AREX Feed Article
Anthropic 宣布：Claude Mythos 5 仅凭自然语言指令设计出优于已发表最优水平的量子电路
10 月 16 日（UTC），Anthropic 在宣布 STEM Fellows Program 的一项新成果：只给自然语言任务说明，Claude Mythos 5 为量子计算设计出了优于已发表最优（best published）水平的电路，部分改进达到一个数量级或更多。官方同日上线，完整论文已于 10 月 15 日先行挂上 。
按博文与论文摘要的口径：八项基础任务中，七项的电路同时降低了 Toffoli 门数量与量子比特用量，第八项得到的则是一种针对素域模逆的新可逆架构。论文由 Andi Gu 主导，其 arXiv 署名单位包括哈佛量子计划（Harvard Quantum Initiative）与 Anthropic STEM Fellows Program；Anthropic 量子物理学家 Alek Kemeny 担任指导，哈佛大学的 Susanne Yelin 与哈佛大学、QuEra Computing 的 Mikhail Lukin 参与。Anthropic 在推文中称，更高效的电路能减少量子算法所需的资源，有望让量子计算在化学与材料科学中的应用更早具备可行性，这是该公司对自己结果的解读。
稀缺的量子比特：八年才压下来的 15 万倍
与以 0 或 1 存信息的经典计算机不同，量子计算机用 qubit（量子比特）计算，靠叠加等量子现象处理某些化学、材料科学和数论问题。博文写道，迄今建成的量子计算机只有几百到几千个量子比特，跑不动许多有望超越经典计算机的算法；量子比特又对热、振动乃至宇宙射线极为敏感，微小扰动不断累积，最后会算出错误答案。比特和机时都是稀缺品，研究者因此一直在重写量子算法，让计算用更少的比特、更短的时间完成。
博文举的例子是 FeMoco，即固氮酶（细菌把空气中氮气转化为氨所依赖的酶）核心处的铁硫簇，弄清它的机理有助于设计更好的工业催化剂。2017 年，研究者算出 FeMoco 基态能量需要约 50 万亿次 Toffoli 门；Toffoli 门是成本最高的量子门之一，数它的个数是估算运算时长的标准做法。到博文发布时，这一估计已降到约 3.4 亿次，累计降幅约 15 万倍（博文脚注注明两次估算按 整理的同一模型口径），相当于在约 300 万个物理量子比特的未来机器上运算几个小时。博文强调，这些下降主要来自重新设计电路，而不是更好的硬件。
Anthropic 选中电路设计来考 Claude，博文给出三个理由：量子电路能写成代码，模型可以像改普通程序一样写、跑、改设计；所关注的一类量子算法能高效检验正确性，每个输入对应一个确定输出，普通计算机就能核对；改进目标客观，量子比特数乘以门数，可当作运行时长的代理指标。
评分器闭环：提出设计、收分、再改
Anthropic 给出八份自然语言说明，对应八项基础例程，大型量子算法由它们搭成，覆盖化学、优化、量子模拟、数论和数值计算。说明写清电路要算什么，评估器则检查正确性并按量子比特数与门数打分。Claude Mythos 5 在闭环里工作：提出设计，收评估器的反馈和分数，据此改进下一版，两轮之间没有任何人工输入。
博文强调，这些改进来自发现新的结构与数学规律，而不是在旧设计上微调：模拟一个硫化铁分子时，Claude 注意到分子的对称性和重复结构意味着部分结果算一次就够、可以复用，不必每个部分重算；另一些任务里，它发现现有电路为极端罕见的输入保留了昂贵部件，于是把这些部件整个去掉。
文首那张图（博文 Figure 2）画了其中七项：代表 Claude 设计的橙点，全部落在代表此前已发表最优的灰叉左下方；第八项（椭圆曲线点加法）在博文中单独列表对比。
最难的一题：给 divsteps 补上可逆性
第八项任务是椭圆曲线点加法，即把曲线上两点合成第三点的规则，它既是椭圆曲线离散对数量子算法的核心步骤，也是领域里的标准基准。点加法的大头成本在一项叫模逆（modular inversion）的运算上：给定整数 a，求 x 使 ax ≡ 1 (mod p)。经典计算机用 （一种迭代求模逆的算法）高效完成：一对数每轮按条件交换、加减或减半，多轮之后产出模逆。但 divsteps 始终没能在量子电路上实用：每轮选了哪种操作会被记下来（所谓分支信息），这种草稿在普通程序里可以随手丢弃，量子电路却必须保留才能倒着算回去，照搬需要海量额外量子比特。
任务书只有一段话：点加法的数学规则，加上评估器的查错与打分方式。运行 53 小时，人工介入限于最初说明和几次放宽搜索的提示，Claude 拿出一条全新路线：分支信息也许根本不用存。只要在每轮迭代后检查那对数字，就能直接推断（“解码”）出当初做的是哪步操作，让数字自己充当记录，电路倒着跑就不需要额外量子比特。它先试了一批简单的候选规则，小规模测试通过，放到 256 位的全尺寸问题上全部失败。随后它转向理论：证明迭代过程的一系列性质，包括几条新的代数恒等式，由此导出精确的解码公式，先用大规模数值模拟检验，再把断言在 Lean（形式化证明工具）里形式化。验证齐备后，Claude 给出了首个不保存分支历史的可逆 divsteps 实现。
解码省比特但费时间。于是 Claude 又按“何时存储、何时解码”的不同阈值产出一族设计：与此前最小的设计相比，族中一个电路多用 12% 的量子比特，门数只有此前的 1/17。博文说，这些设计撑开了新的帕累托前沿，量子比特数与运行时长的组合里出现了此前没有的选择；列表中对比的此前最优来自 Schrottenloher（2026）与 Luo et al.（2026）。
DQI 解码器：门数压到此前构造的 1/12
第二项发现针对量子优化算法 （Decoded quantum interferometry，用于调度、物流、材料设计等优化问题），博文称它是实现超多项式量子加速的最有力候选之一。算法准备一个“好解更容易被读出”的量子态，靠纠错解码器从一份压缩摘要（校验子，syndrome）里恢复错误列表，这一步是整个算法最贵的环节。博文引 ：求解一个特定的最优多项式相交（OPI，网格化的曲线拟合）问题，全球最强大超算之一的 要算约三个月，未来量子计算机跑 DQI 约一小时，其中大头正是 Reed–Solomon 解码。
此前最优的解码电路基于扩展欧几里得算法：步数与顺序随输入变化，而量子电路同时处理所有输入、只有一套固定的门序列，只能把计算拉长到远超单个输入所需的轮数，每轮操作还得全部执行。Claude 很快判定扩展欧几里得不适合量子电路，改用 Berlekamp–Massey 解码，逐个读入校验子，逐步逼近能预测下一个数的最简规则；它每轮做同类操作、轮数固定，正好贴合固定的门序列。
可逆性随即带来新麻烦：每轮算出的临时值不能删，之后要“反计算”就得能恢复它们，而全部存起来贵得离谱。Claude 从电路当前状态重构大部分临时信息，只有少数异常值必须保存。按最坏情况预留（异常值最多可能在 35 轮出现）需要 665 个量子比特；Claude 写了个高速模拟器，跑了 4.03 亿次抽样解码，发现几乎每次运行最多只需保存一个值，于是只预留 19 个量子比特，约每 1 万次运行有一次因超容量而失败，仍远在任务允许的错误率之内。换方法、用重构代替存储、按实测而非最坏情况定预算，三层改动叠加，解码器门数降到 Google 此前构造的 1/12，DQI 最贵一步的成本降幅刚超过一个数量级。
模型偏保守：两次干预才敢走新路
结果之外，博文也写明了局限。早期实验里，Claude 天性保守：反复怀疑摆在眼前的改进，对已有充分证据的结果还要查第二遍、第三遍。这种谨慎有时派上用场，正是它促使 Claude 为 divsteps 设计写下 Lean 证明；但它也表现为偏爱现成的知名方法，而不是更新的思路。
团队用了两个办法纠偏：设置上要求 Claude 同时提出几种性质不同的方案并并行推进；偶尔提示它把搜索放宽。博文说两次干预奏效了：椭圆曲线那一版结果来自一条此前走不通的可逆模逆路线，而不是在旧有设计上削门数；想出点子之后，推导、实现、验证全部由 Claude 自主完成。
记分牌还在设计者手里
博文最后把话锋指向下一步：造一台有用的量子计算机，电路设计只是一环，纠错码、快速解码器、硬件控制等部件通常各自设计，但它们大多同样“能写成代码、能验正确性、能按成本打分”。Anthropic 的设想是让 AI 从算法到硬件联合优化整台容错量子计算机，为特定问题定制，并告诉硬件建造者哪些能力最要紧，把催化剂设计、新材料这类问题纳入首批容错机器的能力范围。
不过，眼下能核对的边界同样具体：本文引用的所有数字，包括 53 小时、1/17、1/12、约 15 万倍，都出自 Anthropic 团队的博文与 arXiv 预印本；给设计打分的评估器由该团队编写，抽样所依赖的高速模拟器则出自 Claude 之手。