- El diseño del circuito cuántico de Claude Mythos 5 reduce el número de puertas en 17 veces, mejorando la eficiencia computacional.
- El diseño del nuevo algoritmo reversible mejora los problemas de almacenamiento en cálculos de curvas elípticas.
- El diseño automatizado de circuitos ayuda a acelerar el progreso hacia la computación cuántica práctica.
- Las computadoras cuánticas aún deben abordar desafíos como la corrección de errores y el control del hardware.
Claude desarrolló un algoritmo aritmético reversible para cálculos de curvas elípticas y colaboró con investigadores de Harvard University y QuEra Computing en este trabajo. Los resultados de la investigación indican que el diseño automatizado de circuitos tiene el potencial de acelerar el progreso hacia la computación cuántica práctica.
Las computadoras cuánticas procesan información a través de qubits, que pueden representar combinaciones de estados mediante superposición. Sin embargo, las computadoras cuánticas actuales solo poseen cientos a miles de qubits, y las interferencias ambientales pueden introducir errores durante el proceso de cálculo. Por lo tanto, los ingenieros deben hacer que los circuitos cuánticos sean lo más eficientes posible. Cada operación consume recursos computacionales, y almacenar resultados intermedios requiere qubits adicionales. Además, los circuitos cuánticos no pueden simplemente descartar información temporal, ya que sus operaciones deben mantenerse reversibles. Los nuevos hallazgos derivados de nuestro programa de investigadores STEM muestran que los circuitos cuánticos diseñados por Claude Mythos 5, basados en instrucciones claras, superan en rendimiento a los mejores diseños publicados hasta la fecha, logrando mejoras de varios órdenes de magnitud en ciertos casos.Nuevo algoritmo optimiza cálculos de curvas elípticas
Anthropic asignó la tarea de optimización a Claude, abarcando ocho bloques de construcción computacional que incluyen química, simulación física, optimización, teoría de números y cálculos numéricos. Un evaluador automatizado verifica la corrección de cada diseño y califica sus necesidades de recursos. Claude Mythos 5 perfeccionó sus propuestas en un ciclo de rediseño y prueba sin intervención humana, resultando en mejoras sobre diseños previamente publicados, con reducciones que alcanzan varios órdenes de magnitud.
Un resultado particularmente notable involucra la inversión de módulos, una operación matemática utilizada en la aritmética de curvas elípticas.Esta operación juega un papel importante en los algoritmos cuánticos dirigidos a problemas de logaritmos discretos de curvas elípticas. Claude se centró en un algoritmo llamado divsteps, que simplifica los valores a través de operaciones condicionales repetidas. Las computadoras clásicas pueden ejecutar este método de manera eficiente, pero convertirlo en un circuito cuántico presenta problemas significativos de almacenamiento. Los circuitos reversibles deben retener suficiente información para reconstruir cada paso de cálculo, por lo que divsteps necesita registrar sus decisiones de bifurcación, lo que puede consumir una gran cantidad de qubits adicionales. Claude desarrolló un método para recuperar estas decisiones directamente desde los valores intermedios.
Potencial y desafíos del diseño automatizado
Él derivó identidades matemáticas para establecer este método y probó su viabilidad a través de simulaciones numéricas, utilizando finalmente Lean para formalizar su corrección. El circuito final ya no necesita almacenar un historial completo de decisiones de bifurcación. Claude luego exploró diseños híbridos que almacenan parte de la información y reconstruyen el resto. Uno de los diseños utilizados requiere un 12% más de qubits que el diseño mínimo anterior, pero necesita 17 veces menos puertas. Este equilibrio amplía las opciones disponibles para los ingenieros que trabajan con hardware cuántico limitado.
Anthropic también informó mejoras en otras tareas de diseño de circuitos. Una de las optimizaciones redujo el costo del paso más caro en un algoritmo cuántico de optimización líder en aproximadamente 12 veces. Estos resultados se lograron sobre la base de años de esfuerzo para reducir los recursos necesarios para la computación cuántica práctica. Los investigadores estimaron en 2017 que simular la energía del estado fundamental del complejo de hierro y azufre FeMoco, involucrado en la fijación biológica de nitrógeno, requeriría aproximadamente 500 billones de puertas Toffoli. Los avances posteriores han reducido esta estimación a alrededor de 340 millones de puertas, logrando una reducción de aproximadamente 150,000 veces.Anthropic considera que la optimización automatizada de circuitos tiene el potencial de acelerar avances similares. Sin embargo, aún enfrenta obstáculos significativos. Las computadoras cuánticas necesitan mejor corrección de errores, control de hardware confiable y sistemas que puedan gestionar qubits frágiles durante cálculos prolongados. A pesar de ello, los circuitos diseñados por IA ayudarán a los investigadores a utilizar de manera más efectiva las máquinas del futuro.
Elemento Especificaciones Número de puertas del circuito cuántico Reducido a 1/17 Algoritmo de inversión de módulos Optimización del método divsteps Tasa de uso de qubits 12% más que el diseño mínimo
Impacto del diseño automatizado de circuitos y desafíos futuros
El diseño del circuito cuántico de Claude Mythos 5 muestra el potencial del diseño automatizado en la computación cuántica, especialmente en la reducción del número de puertas y las necesidades de almacenamiento. Esto no solo puede mejorar la eficiencia computacional, sino que también allana el camino para la viabilidad de la computación cuántica. Sin embargo, las computadoras cuánticas aún enfrentan desafíos significativos en corrección de errores y control de hardware. La investigación futura debe centrarse en estos problemas para garantizar que las computadoras cuánticas puedan operar de manera estable durante cálculos prolongados, permitiendo así aplicaciones más amplias.