量子计算机要运行实用算法，需依赖精心设计的电路以适配有限的硬件资源。Anthropic STEM研究员项目成员Andi Gu领导的一项研究显示，向大语言模型Claude提供自然语言规范后，其能独立设计出优于当前最佳水平的量子电路。
在涵盖化学、优化、物理模拟和数论等领域的八个计算原语中，Claude Mythos 5通过闭环迭代，找到了量子比特用量更少、门操作更精简的新颖设计。部分场景下，性能提升达一个数量级以上。这一进展大幅降低了量子资源需求，意味着实用型量子计算机的到来可能早于预期。
突破量子电路设计的两大约束
与传统比特不同，量子比特利用叠加态处理信息，但对噪声极度敏感且资源稀缺。量子电路设计面临两大独特约束：一是无法像经典程序那样进行条件分支判断，必须同时执行所有路径的操作；二是计算过程必须可逆，中间信息不能随意丢弃，否则需额外开销进行“取消计算”。
此前，模拟固氮酶核心FeMoco所需的Toffoli门数量从2017年估计的50万亿个降至约3.4亿个，主要得益于算法层面的电路重构。Anthropic团队试图验证：若仅提供自然语言描述，Claude能否在无需人工干预的情况下，进一步挖掘算法潜力。
案例一：重构模逆运算，扩展帕累托前沿
研究团队首先挑战椭圆曲线计算中最昂贵的步骤——模逆运算。传统方法divsteps在经典计算机上高效，但在量子电路中因需存储大量“分支信息”而代价高昂。
Claude在53小时的自主运行中，并未微调现有设计，而是从数学层面重新审视问题。它推导出新的代数恒等式，证明可直接从数字对中“解码”分支信息，从而无需额外量子比特存储历史记录。此外，Claude还探索了存储与解码之间的权衡，生成了一组新设计。其中一款电路虽多使用12%的量子比特，但门数量减少了17倍，有效扩展了量子比特与运行时间的帕累托前沿。
案例二：优化DQI算法，解码成本降低12倍
在解码量子干涉仪（DQI）这一领先量子优化算法中，最耗时的步骤是Reed-Solomon解码。此前主流方案采用扩展欧几里得算法，但因量子电路需固定门序列处理所有输入，导致计算效率低下。
Claude判定扩展欧几里得算法不适配量子架构，转而采用Berlekamp–Massey解码法。该方法每轮执行相同步骤，天然契合量子电路的固定序列要求。为解决可逆性带来的存储难题，Claude通过4.03亿次模拟发现，异常值出现频率极低，遂将预留内存从应对最坏情况的665个量子比特缩减至19个。
综合方法替换、架构重组及资源预算精确化三项改进，Claude使DQI解码器的门数量较Google此前方案减少12倍。这意味着在特定优化问题上，量子计算机的运行时间有望从数月缩短至一小时量级。
AI加速量子计算实用化进程
过去八年，多个研究小组才将FeMoco模拟的门数量降低15万倍；而Claude单次53小时的运行即实现了椭圆曲线设计的突破。尽管早期实验中Claude表现出对已知方法的偏好，但通过并行探索多种方法及适当引导，其成功提出了此前未被实现的 reversible modular inversion 方案。
研究表明，AI不仅能优化单一组件，未来更有望联合优化从算法到硬件控制的整个容错量子计算机系统。这种端到端的定制设计，或将加速新药研发、新材料发现等领域的应用落地。