Claudeは、何をアンコンピュートできるかを学習することで、量子回路のゲート数を17分の1に削減した。

AnthropicとHarvardのプレプリントは、Claude Mythos 5に8つの量子回路設計問題を与えた。7つの設計では量子ビットとToffoliゲートの両方が削減され、1件では量子ビットを12%増やす代わりにゲート数が約17分の1になった。回路はシミュレーションで、また一部はLeanで検証されたが、量子ハードウェア上では一度も実行されなかった。

古典計算では、スクラッチメモリは無料である。プログラムは中間値をスタックに書き込み、終了するとスタックは破棄される。量子回路ではそれはできない。量子ビットを静かに削除することはできない。なぜなら、量子状態を削除すること自体が可逆でなければならない操作だからである。

その制約は、回路設計における静かなボトルネックだ。回路が必要とする一時的な値はすべて追加の量子ビットに保存しなければならず、その量子ビットはマシン内で最も希少なものだ。標準的な回避策は、最後に計算を逆方向に実行し、スクラッチ量子ビットを元の状態に戻すこと——アンコンピュートと呼ばれる手法——だが、回路は依然としてそのやり方を把握していなければならない。

10月15日にarXivへ投稿された、AnthropicとハーバードのAndi Guおよび3人の共著者によるプレプリントは、その問題とさらに7つの問題をClaude Mythos 5に与えた。

8つの問題、1つの評価者ループ

この設定はチャットではなかった。モデルは回路を記述するコードを書き、自動評価器がそれを検査して量子ビット数とToffoliゲート数を数え、モデルが次の試行で改善できるようスコアを返した。

得られた8つの設計のうち7つは、以前に公開された構築法と比べて量子ビット数とToffoliゲート数の両方を削減した。8つ目は、計算を可逆にする新しい方法を生み出した。

代表的な事例は、現代の公開鍵暗号の多くを支える演算である楕円曲線上の点加算です。その計算の全履歴を保存するのは高コストです。Claudeのアプローチは、各ステップを記録するのではなく、残された状態から直前に実行した演算を推測することでした。初期の規則は小さい数では機能しましたが256ビットでは失敗し、その後モデルは代数関係をたどって、全ビット幅で成り立つ規則を見つけました。

53時間の探索の後、問題文といくつかの人間によるヒントを種として、それは単一の答えではなく一連の設計群を生み出した。

実際のトレードオフはどのようなものか

比較が興味深い部分だ。なぜなら、何が「より良い」かは、どのリソースが不足しているかによって決まることを示しているからだ。

Claudeの設計は935量子ビットと約401万個のToffoliゲートを使用する。Luoの構成はより少ない量子ビット—838—を必要とするが、6953万ゲート、およそ17倍多い。第三のアプローチであるSchrottenloherによるものは、190万ゲートまで削減するが、そのために1,446量子ビットを費やす。

素直に読めば、モデルは両方の軸で両方の代替案を上回ったわけではない。同じ曲線上で別の点を見つけたのであり、その見つけた点は、既存のハードウェアの大半が好むであろう点である。

第二の結果、そしてその失敗率

論文はまた、量子最適化アルゴリズム内で使われるリード・ソロモン復号器を作り直している。中間結果を保持する代わりに現在の状態から復元することで、この設計はアルゴリズムが予備として保持しなければならない予備量子ビットの数を減らす。

著者らは、4億300万回のシミュレーション実行全体で、約1万分の1が19量子ビットの許容量を超え、失敗した可能性があると報告している。改訂設計はToffoliゲートを約12分の1に削減する。

その失敗率こそが結果の正直な部分だ。平均的には安価だが時折失敗する設計は、より高価でも常に動作する設計とは別の製品であり、論文はその違いを隠していない。

まだ起きていないこと

このうちどれも量子ハードウェア上では実行されていない。回路はプログラムとシミュレーションによって確認された。Lean証明支援系が検証したのは主要な数学的主張の一部であり、回路全体ではない。そして原稿は査読を受けていない。

ここではこれらの注意書きがいつも以上に重要である。なぜなら、示されている数値は測定された性能ではなくリソースのカウントだからだ。ゲート数は設計の性質である。その設計がノイズ、校正ドリフト、コンパイラ自身の最適化に耐えられるかは、実機でしか答えられない問いである。

それでもなお注目に値する理由

興味深い主張は、モデルがより優れた回路を設計したということではない。回路設計には安価で自動的なスコアリング関数——量子ビットを数え、ゲートを数える——があり、モデルをそのループに投入して探索させ続けられる、ということだ。

ある分野が自らの出力を採点できるなら、AIはそのスコアに対して反復できる。量子回路合成は、物理学の数少ない領域の一つであり、そこではスコアが曖昧さなく、探索空間が膨大で、理想的なケースに近い。工学の大部分はそうではなく、論文もそうであるふりはしていない。

それが示すのは、より限定的でより有用なことだ。目的が計数可能であるとき、モデルは大学院生が1年を費やすことを53時間で行い、検討すべき一群の設計を持ち帰ることができる。

出典：Andi Gu と共著者（Anthropic、ハーバード）によるプレプリント、arXiv、2026年10月15日、Tuoi Tre 報道。

連絡先：[email protected]

日本語版は Ai 支援を使用しているため、小さな間違いが存在する可能性があることをご了承ください。

著者

Ai-Banking-NetworkSecurity (ABN), ABN ASIAは、アカデミアに深く関わり、アメリカ、オランダ、ハンガリー、日本、韓国、シンガポール、ベトナムでの仕事経験を持つ人々によって設立されました。ABN ASIAは、学問とテクノロジーが機会と出会う場所です。最先端のソリューションと優れたソフトウェア開発サービスにより、ビジネスがレベルアップし、グローバルシーンに挑戦できるよう支援しています。 私ちの取り組み: より速く。 より良い。 より信頼性が高くなります。 ほとんどの場合、価格も安くなります。

いつでも、ITサービス、デジタルコンサルティング、既製のソフトウェアソリューション、または提案依頼書（RFP）をお探しの際は、お気軽にお問い合わせください。お問い合わせ先は[email protected]です。お客様のテクノロジーに関するニーズにお応えします。

© ABN ASIA