Anthropic稱Claude設計高效量子電路
Anthropic表示，其Claude Mythos AI模型設計了高度高效的量子電路，可能使量子計算“更早進入可及範圍”。
公司在STEM Fellows項目中，向Claude Mythos 5提供八項來自化學、優化、物理模擬與數論的電路自然語言規格，並配備自動評估器檢查與打分。
模型在閉環中獨立提出設計、接收反饋並迭代改進，在七項任務中優於此前最佳已發表電路，部分改進達一個數量級或以上，包括門數量最高減少17倍。
更高效的電路降低了量子算法所需的量子比特與門資源，使化學與材料科學等應用所需的計算更接近現有硬件能力。
該工作由Andi Gu主導，與哈佛大學及QuEra Computing合作者共同完成；最長單次運行約53小時，僅需極少人工干預。
Anthropic稱，此類改進可減少有用量子計算的資源需求，從而加快實用量子計算機的到來時間。
來源：公開信息
ABAB AI 解讀
Anthropic通過STEM Fellows項目將Claude Mythos 5應用於量子電路設計，模型接收自然語言任務描述後，在自動評估器閉環中迭代生成並優化電路代碼，在八項基礎計算原語中七項超越已發表最佳設計。
資源路徑上，優化以量子比特數乘以門數作爲成本代理，模型在部分任務中將門數量減少達17倍（如模逆與DQI解碼器），同時在個別情況下略增量子比特；結果由評估器驗證正確性後計分，減少人工介入。
這類似於AI輔助優化經典算法或電路設計的做法，或量子算法社區中對資源效率的持續改進（如Google等此前的電路構造）；當前處於AI從代碼生成與驗證擴展至量子硬件資源優化的階段，使電路設計從專家手工轉向模型閉環搜索。
本質屬於技術替代：AI將量子電路從人工設計與發表的靜態結果轉向可迭代優化的搜索過程，使資源消耗（門與量子比特）成爲可直接優化的目標；更低資源需求縮短了從算法理論到硬件可運行應用的距離，使化學模擬與優化等問題的實用化時間表提前。
ABAB News · 認知定律
電路資源減少時，實用量子計算時間表提前
閉環評估使AI可獨立優化已發表設計
門數量下降比量子比特增加更具槓桿效應