发布于

Claude 通过学会判断哪些部分可以反计算,将量子电路的门数减少到原来的 1/17。

作者

Listen in English · Claude 通过学会判断哪些部分可以反计算,将量子电路的门数减少到原来的 1/17。

0:00 / 0:00

Watch in English · Claude 通过学会判断哪些部分可以反计算,将量子电路的门数减少到原来的 1/17。

Anthropic 与哈佛大学的一篇预印本让 Claude Mythos 5 处理八个量子电路设计问题。七个设计同时减少了量子比特和 Toffoli 门;有一个案例以多出 12% 的量子比特换取门数减少约 17 倍。这些电路通过模拟以及部分在 Lean 中验证,但从未在量子硬件上运行。

在经典计算中,临时内存是免费的。程序将中间值写入堆栈,完成后堆栈即被丢弃。量子电路则不能这样做:量子比特无法悄然删除,因为删除量子态本身就是一个必须可逆的操作。

这个约束是电路设计中无声的瓶颈。电路所需的每个临时值都必须存储在额外的量子比特中,而这些量子比特是机器中最稀缺的资源。标准的规避方法是在最后反向运行计算,将暂存量子比特恢复到原始状态——这种技术称为反计算——但电路仍然必须知道如何做到这一点。

Andi Gu 与 Anthropic 和哈佛大学的三位合著者于 10 月 15 日发布到 arXiv 的一篇预印本,将这个问题以及其他七个问题交给了 Claude Mythos 5。

八个问题,一个评估器循环

这个设置不是聊天。模型编写了描述电路的代码;一个自动评估器检查了代码,统计了量子比特数和 Toffoli 门数,并返回分数,以便模型在下一次尝试中改进。

在由此得到的八种设计中,有七种与先前发表的构造相比,同时减少了量子比特数和 Toffoli 门数。第八种设计提出了一种使计算可逆的新方法。

最受关注的案例是椭圆曲线上的点加法——现代公钥密码学大部分背后的算术。存储该计算的完整历史代价高昂。Claude 的方法是,从残留的状态推断它刚刚执行的操作,而不是记录每一步。早期规则在小数字上有效,但在 256 位上失败;模型随后梳理代数关系,以找到在全位宽下成立的规则。

经过 53 小时的搜索,在问题陈述和少量人类提示作为初始引导下,它产出的是一族设计,而不是单一答案。

17×
比与之比较的已发表构造使用更少的 Toffoli 门
12%
为换取这一缩减而多使用的量子比特
53小时
的搜索,源自一个问题陈述和少量人类提示

这种权衡实际是什么样子

比较才是有意思的部分,因为它表明,“更好”取决于你缺少的是哪种资源。

Claude Mythos 54.01M

935 个量子比特

Luo 等人69.53M

838 个量子比特

Schrottenloher1.9M

1,446 个量子比特

Toffoli 门数量以百万计。门数量更少通常是更有价值的节省:每增加一个门,机器就多一次失去相干性的机会。

Claude 的设计使用 935 个量子比特和约 401 万个 Toffoli 门。Luo 的构造需要更少的量子比特——838 个——但需要 6953 万个门,大约多 17 倍。第三种方法由 Schrottenloher 提出,把门数降到 190 万,但为此花费 1,446 个量子比特。

直白地说:该模型并没有在两个维度上都胜过两个替代方案。它只是在同一条曲线上找到了另一个点,而它找到的这个点正是大多数现有硬件会更偏好的点。

第二个结果及其失败率

这篇论文还重新设计了一个用于量子优化算法内部的 Reed-Solomon 解码器。通过从当前状态恢复中间结果而不是将其保留,该设计减少了算法必须预留的备用量子比特数量。

作者报告称,在4.03亿次模拟运行中,约万分之一需要超过19个量子比特的允许额度,并可能已经失败。修订后的设计将Toffoli门减少了约12倍。

这一失败率是结果中诚实的部分。一个平均成本更低但偶尔失败的设计,与一个成本更高但始终有效的设计是不同的产品,而论文并没有掩盖这一差异。

尚未发生的事

  1. 电路需要暂存量子比特

    中间值必须有地方存放,而每一个中间值都要占用一个量子比特。

  2. 暂存量子比特不能直接删除

    丢弃量子态不是合法操作;它必须被逆转,而不是被擦除。

  3. 因此电路要反向运行

    反计算通过撤销弄脏辅助比特的工作来恢复它——前提是你能想出怎么做。

  4. 存储历史是另一种选择

    保留每一步可避免反向过程,但会消耗量子比特和门。论文沿着这一思路展开。

设计问题是在存储与可逆性之间做选择,而不是免费午餐。

这些都还没有在量子硬件上运行过。电路是通过程序和模拟进行检查的。Lean 证明助手验证了一些关键数学论断,而不是整个电路。并且该手稿尚未经过同行评审。

这些说明在这里比平时更重要,因为这些数字是资源计数,而不是实测性能。门数量是设计的一种属性;设计能否经受噪声、校准漂移以及编译器自身的优化,只有机器才能回答。

为什么仍然值得注意

有意思的论断不是某个模型设计出了更好的电路,而是电路设计有一种廉价、自动的评分函数——数量子比特、数门——并且可以把模型放进这个循环中,让它自行搜索。

当一个领域能够对自己的输出进行评分时,AI 就可以针对该评分反复迭代。量子线路综合是物理学中少数几个评分明确无歧义且搜索空间巨大的领域之一,这接近理想情况。大多数工程领域并非如此,论文也没有假装不是这样。

它展示的内容更具体也更实用:当目标可量化时,模型可以花 53 小时完成一名研究生要花一年才能完成的工作,并带回一系列可供核查的设计。

来源:Andi Gu 与合著者(Anthropic、哈佛大学)的预印本,arXiv,2026 年 10 月 15 日,据 Tuoi Tre 报道。

联系方式:[email protected]

请注意,中文版本是由 AI 辅助翻译的,因此可能存在细微错误。

作者

Ai-Banking-NetworkSecurity (ABN), ABN ASIA由具有深厚学术背景的人员创立,他们在美国、荷兰、匈牙利、日本、韩国、新加坡和越南等国家有工作经验。ABN Asia是学术界和技术相遇的地方。凭借我们领先的解决方案和优秀的软件开发服务,我们帮助企业提升水平,走向全球舞台。我们的承诺:更快。更好。更可靠。在大多数情况下:也更便宜。

无论您需要IT服务、数字咨询、现成软件解决方案,还是想向我们发送招标要求(RFPs),都请随时与我们联系。您可以通过[email protected]与我们联系。我们随时准备为您提供所有技术需求的帮助。

ABNAsia.org

© ABN ASIA