Claude仅用53小时设计全新量子电路，同类优化人类耗时8年
2026-10-19 阅读量：6
Anthropic在量子计算交出重大突破成果。Claude仅用53小时从0开始，独立完成了量子电路的重构，部分方案开销直接砍掉12倍，超越人类此前最优设计。论文地址：https://arxiv.org/abs/2610.22367量子计算机到底难在哪
量子计算机有个老大难问题，里面的基本单元叫量子比特，这东西特别娇气，热了不行，震了不行，连宇宙射线飘过来都能把它搞乱。所以现在能造出来的量子计算机，量子比特数量也就几百到几千个，根本不够跑那些真正有用的算法。那怎么办。硬的不行来软的，既然硬件暂时堆不上去，那就把算法设计得更省资源一点。省量子比特，也省时间。Anthropic这次就是让Claude去干这个事，而且是完全重新设计电路。研究人员给Claude出了8道题，全是自然语言描述的，说清楚电路要干什么就行。覆盖的方向挺杂，化学、优化、物理模拟、数论都有。然后配了个自动打分程序，专门检查Claude交上来的方案对不对，顺便算一下资源开销。整个过程基本没人管，Claude自己迭代、修改、提交。最后出来的结果比之前人类已经发表的最好方案还要好，有些场景好出一个数量级。第一，量子电路可以直接写成程序代码，模型强大的代码能力可以不断编写、调试、迭代新版本。第二，这类算法的对错很容易核验，普通电脑就能完成结果校验，测评工具可以自动打分。第三，优化目标十分清晰，只需要把量子比特数量和运算次数相乘，就能直观衡量整套电路的资源成本。举个真实的例子，大家就能直观感受到AI和人类科研效率的巨大差距。化学里有个结构叫铁钼辅基，是生物固氮酶的核心。细菌依靠它，把空气中的氮气转化成氨。如果人类彻底搞懂它的底层原理，就有机会研发出效率更高的工业合成氨催化剂。2017年有人估算过，想要完成这项模拟，量子计算机大约需要50万亿个托佛利门。大家可以把托佛利门理解成成本极高的计算步骤，数量越多，运算开销越大。之后全球多个科研团队，花了整整8年持续打磨优化方案，最终把运算开销降到3.4亿托佛利门，压缩幅度约15万倍。这是人类科研人员长年攻坚拿到的成果。而本次Claude挑战的，是另一道完全不同的量子电路难题，椭圆曲线模逆运算。整套实验在仿真环境下自动运行53小时，几乎没有人工深度介入，Claude就自主产出一套底层结构完全创新的电路方案。突破模逆运算
Claude接的第一个任务是点加运算，椭圆曲线上的东西。你不用管它具体是什么，只需要知道这个运算里有一个步骤特别贵叫模逆。模逆你可以理解成一种除法，普通计算机有个很成熟的算法叫divsteps，跑得很快。但问题是，这个算法搬到量子计算机上就废了。为什么废。因为量子计算机有个死规矩，所有操作必须可逆。普通程序算完一步，临时数据可以直接删掉，但量子电路不行，你得留着这些东西，因为后面可能要倒着算回去。divsteps每一轮都会产生一堆分支记录，普通程序随手就扔了，量子电路得全部存下来。存多少呢，存到量子比特根本不够用的程度。Claude想了个巧妙办法，这些分支记录，是不是根本不用存。每一轮结束之后，直接从当前的数值对里把分支信息推出来就行了，数值本身就把历史记下来了。这个想法听起来简单，但真要做，得有一套精确的数学公式才能从数值反推出分支。Claude先试了几条简单的规则，小规模测试能跑，一上256比特的真实规模就全崩了。然后它换了个路子，不试错了，直接去推数学。证明了一堆关于divsteps迭代行为的结论，搞出了几条新的代数恒等式，基于这些推导出一套精确的解码公式。为了确保没问题，还用Lean做了形式化证明。最后Claude搞出了第一个不需要存储分支历史的divsteps可逆版本。这还没完。解码虽然省量子比特，但费时间。Claude又研究了一下，发现有些情况下直接存反而更划算。于是它搞了一套策略，设个阈值，什么时候存、什么时候解码，灵活切换。其中一个方案比之前最好的实现，量子比特多了12%，但量子门数量降了17倍。总体上它把之前不存在的资源组合给补上了。开销砍掉12倍
第二个任务跟优化问题有关。优化问题到处都是，调度、物流、材料设计都算。量子计算机里有个算法叫解码量子干涉，被认为很有潜力。但这个算法里最贵的一步是解码器，要从一份压缩过的错误摘要里把错误位置找出来。之前最好的量子电路用的是扩展欧几里得算法。这个算法有个毛病，每一步走哪条路取决于输入是什么，但量子电路同时处理一大堆叠加的输入，没法给每个输入单独选路径，只能一条道走到黑。结果就是，明明很多输入根本不需要那么多轮迭代，电路也得全部跑完，白白浪费。Claude一看这个算法不适合量子电路，换一个。它换成了伯利坎普梅西解码。这个算法每一步做的运算都一样，迭代轮次固定，跟量子电路那种固定门序列的脾气特别合。换完之后，之前那个不同输入走不同路径的问题就没了。但可逆的问题又来了。每一轮迭代会产生临时数值，不能删，得能倒着算回去。全存下来的话，最坏情况需要665个量子比特，太多了。Claude又用了之前那个思路，尽量从电路当前状态重建临时数据，不存。只有极少数特殊情况重建不了，才必须保存。Claude写了个模拟器跑了4亿多次采样，发现几乎全部情况下最多只需要存一个数值。所以电路只留了19个量子比特的存储空间，一万次里大概只有一次会因为存不下而失败，这个失败率完全可以接受。最终结果，解码器的量子门总数比谷歌量子AI团队之前的方案降了12倍。人+AI搞科研正成为主流
科学进步很多时候就是把一个理论上能跑但实际太贵的东西，一点点改到能用的程度。铁钼辅基那个15万倍的优化，是人类团队花了8年磨出来的。Claude这次在椭圆曲线相关设计上，一次53小时的运行就给出了一个结构上全新的方案。这说明AI已经可以参与到量子电路设计里来了，而且是实打实地把资源开销往下压。看完这些我最大的感受是，AI和人的关系正在变。以前是人在前面跑，AI在后面跟。现在有些领域，AI已经能自己往前蹚出一条新路，人反过来去理解它、验证它、接着往下推。这个变化比任何单个技术突破都更值得留意。如果你想测试一下自己的AI能力到底与实际业务需求是否匹配，可以试试这个AI思维素养测评的小程序，点下面蓝色链接。几分钟就能给自己的AI能力做一个全面检查，AI职业画像、AI思维素养、AI替代风险评测等等，整个测试不简单，即便是AI老鸟想得满分也不容易。只有摸清自己的真实AI能力水平，咱们才能在AI大时代平稳过渡、站稳脚跟。另外我建了一个AI产品交流群，大家对AI有什么想交流的可以进群，人数满了就加saiyi6888。
