Anthropic称Claude设计高效量子电路
Anthropic表示，其Claude Mythos AI模型设计了高度高效的量子电路，可能使量子计算“更早进入可及范围”。
公司在STEM Fellows项目中，向Claude Mythos 5提供八项来自化学、优化、物理模拟与数论的电路自然语言规格，并配备自动评估器检查与打分。
模型在闭环中独立提出设计、接收反馈并迭代改进，在七项任务中优于此前最佳已发表电路，部分改进达一个数量级或以上，包括门数量最高减少17倍。
更高效的电路降低了量子算法所需的量子比特与门资源，使化学与材料科学等应用所需的计算更接近现有硬件能力。
该工作由Andi Gu主导，与哈佛大学及QuEra Computing合作者共同完成；最长单次运行约53小时，仅需极少人工干预。
Anthropic称，此类改进可减少有用量子计算的资源需求，从而加快实用量子计算机的到来时间。
来源：公开信息
ABAB AI 解读
Anthropic通过STEM Fellows项目将Claude Mythos 5应用于量子电路设计，模型接收自然语言任务描述后，在自动评估器闭环中迭代生成并优化电路代码，在八项基础计算原语中七项超越已发表最佳设计。
资源路径上，优化以量子比特数乘以门数作为成本代理，模型在部分任务中将门数量减少达17倍（如模逆与DQI解码器），同时在个别情况下略增量子比特；结果由评估器验证正确性后计分，减少人工介入。
这类似于AI辅助优化经典算法或电路设计的做法，或量子算法社区中对资源效率的持续改进（如Google等此前的电路构造）；当前处于AI从代码生成与验证扩展至量子硬件资源优化的阶段，使电路设计从专家手工转向模型闭环搜索。
本质属于技术替代：AI将量子电路从人工设计与发表的静态结果转向可迭代优化的搜索过程，使资源消耗（门与量子比特）成为可直接优化的目标；更低资源需求缩短了从算法理论到硬件可运行应用的距离，使化学模拟与优化等问题的实用化时间表提前。
ABAB News · 认知定律
电路资源减少时，实用量子计算时间表提前
闭环评估使AI可独立优化已发表设计
门数量下降比量子比特增加更具杠杆效应