Anthropic研究人员利用Claude模型为八种计算基元生成量子电路设计方案。结果显示，AI在七个案例中找到了比此前已发表最佳算法所需Toffoli门更少、量子比特更少的版本。
相关研究成果于2026年10月16日发布，题为《利用大型语言模型发现最先进的量子电路》的配套论文已于前一天刊登在arXiv上。
量子计算机需在受限硬件上运行实用算法，因此对电路设计要求极高。研究团队向Claude提供了来自化学、优化、物理模拟和数论领域的八种电路自然语言规范，并配备自动评估器对每个设计方案进行检查和评分。
Claude在很大程度上独立工作，识别出优于现有最佳电路的设计方案，部分改进幅度达数量级级别，大幅降低了有用应用所需的量子资源。
AI驱动搜索实现效率跃升
该方案基于进化框架：Claude使用Python提出电路设计，独立评估器验证正确性，并根据Toffoli门数量和峰值量子比特使用情况进行评分。反馈循环在迭代间无需人工干预即可自动完成。
在八个任务中，七个任务的电路设计显著减少了Toffoli门和量子比特数量。第八个任务中，搜索产生了一种用于素域模逆运算的新可逆架构：该设计虽多使用12%的量子比特，但门数量比此前最小版本少17倍。
在解码量子干涉测量中的里德-所罗门解码器这一关键优化场景中，Claude将算法从扩展欧几里得算法切换至Berlekamp-Massey解码，通过重构临时值而非存储、按实际需求而非最坏情况调整内存，使成本最高步骤比Google此前的构建便宜约12倍。
不同任务收益各异：定点高斯算术资源成本下降39倍，HHL旋转角准备减少32倍，库仑势计算提高9.9倍，晶格规范模拟和Fe2S2选择步骤分别取得7.7倍和4.1倍的收益。
该项目由Anthropic STEM研究员Andi Gu领导，量子物理学家Alek Kemeny提供指导，哈佛大学Susanne Yelin及Mikhail Lukin（兼属QuEra Computing）参与合作。
此举标志着电路优化从手动向AI自动化的转变。此前人类主导的重设计已将模拟FeMoco铁硫簇的Toffoli门需求从2017年估计的50万亿降至约3.4亿，如今AI以更高速度自动化了这一探索过程。
针对Claude有时表现出的过度谨慎，研究人员通过提示更广泛探索加以应对。在一个案例中，模逆设计经53小时自主运行后得出。模型还推导出新代数恒等式，并在Lean中形式化证明，验证了其无存储分支历史的可逆divsteps实现。
这些设计扩展了量子比特与运行时权衡的帕累托前沿。一个完整基准测试电路使用了约400万个Toffoli门和935个量子比特。论文指出，短期内没有进一步的搜索计划。