Anthropic Claude Mythos 5 量子电路设计大幅减少计算门数量

Anthropic 的 Claude Mythos 5 开发了一种量子电路设计，所需的门数比早期方法少了 17 倍。这一成果有可能帮助工程师以更少的计算资源运行要求高的量子算法，并提供了一种全新的方法来解决量子计算中最重大的一项工程挑战：平衡内存需求与处理时间。这一设计源于由研究员 Andi Gu 主导，透过 Anthropic 的 STEM 研究员计划进行的 53 小时实验。

Claude 开发了一种可逆的算术算法，用于椭圆曲线计算，并与哈佛大学及 QuEra Computing 的研究人员合作进行这项工作。研究结果表明，自动化电路设计有望加速实用量子计算的进展。 量子电脑通过量子位（qubits）处理信息，这些量子位能通过叠加表示状态的组合。然而，现有的量子电脑仅拥有数百到数千个量子位，并且环境干扰可能在计算过程中引入错误。因此，工程师必须使量子电路尽可能高效。每一操作都消耗计算资源，而存储中间结果则需要额外的量子位。量子电路也无法简单地丢弃临时信息，因为它们的操作必须保持可逆性。 从我们的 STEM 研究员计划中得出的新发现显示，Claude Mythos 5 根据清晰指示设计的量子电路在性能上超越了现有最佳发表的设计，某些情况下甚至提高了好几个数量级。

新算法优化椭圆曲线计算

Anthropic 将优化任务交给 Claude，涵盖化学、物理模拟、优化、数论及数值计算等八个计算构建块。自动化评估器检查每个设计的正确性并评分其资源需求。Claude Mythos 5 在反复设计和测试的循环中，无需人为干预便能完善其提案，最终的结果在之前发表的设计上有所改进，某些减少达到好几个数量级。 一项特别值得注意的结果涉及模块反演，这是一种在椭圆曲线算术中使用的数学运算。

该运算在针对椭圆曲线离散对数问题的量子算法中扮演着重要角色。Claude 专注于一种名为 divsteps 的算法，通过反复的条件操作简化数值。经典电脑能高效执行这一方法，但将其转换为量子电路则带来了重大的存储问题。可逆电路必须保留足够的信息以重建每一计算步骤，因此 divsteps 需要记录其分支决策，这可能消耗大量额外的量子位。Claude 则开发了一种从中间数值直接恢复这些决策的方法。

自动化设计的潜力与挑战

他推导出数学恒等式以确立这一方法，并通过数值模拟测试其可行性，最终使用 Lean 形式化其正确性。最终的电路不再需要存储完整的分支决策历史记录。Claude 随后探索了混合设计，这些设计同时存储部分信息并重建其余部分。其中一种设计使用的量子位比最小的先前设计多 12%，但所需的门数却少了 17 倍。这一平衡扩展了在有限量子硬件上工作的工程师的可选择方案。

Anthropic 还报告了在其他电路设计任务上的改进。其中一项优化将一个领先的量子优化算法中最昂贵的步骤成本降低了约 12 倍。这些结果是在多年努力减少实用量子计算所需资源的基础上取得的。研究人员在 2017 年估计，模拟涉及生物氮固定的铁硫聚集体 FeMoco 的基态能量大约需要 500,000,000,000,000 个 Toffoli 门。随后的进展将这一估计值降至约 340,000,000 个门，减少了约 150,000 倍。

Anthropic 认为，自动化电路优化有望加速类似的进展。尽管如此，仍然面临重要的障碍。量子电脑仍需更好的错误校正、可靠的硬件控制以及能在长时间计算中管理脆弱量子位的系统。即便如此，AI 设计的电路仍有助于研究人员更有效地使用未来的机器。

项目	规格
量子电路门数	减少至 1/17
模块反演算法	优化 divsteps 方法
量子位使用率	比最小设计多 12%

自动化电路设计的影响与未来挑战

Claude Mythos 5 的量子电路设计显示出自动化设计在量子计算中的潜力，特别是在减少门数和存储需求方面。这不仅可以提升计算效率，还能为量子计算的实用化铺平道路。然而，量子电脑在错误校正和硬件控制方面仍面临重大挑战。未来的研究需要集中于这些问题，以确保量子电脑能够在长时间计算中稳定运行，从而实现更广泛的应用。