anthropic.com – 16 Oct 26 Designing more efficient quantum circuits with Claude Working largely on its own, Claude designed quantum circuits that improve on the best published versions, in some cases by an order of magnitude or more. [!quote]+ 量子计算机需要精心设计的电路，才能在有限的硬件上运行有用的算法。我们给出了八种此类电路的明文规范，这些电路来自化学、优化、物理仿真和数论，并配备了自动评估器，用于检查和评分每个设计。克劳德主要独立工作，发现了比最佳已发表电路更优的设计，有些甚至提升了一个数量级以上。这些改进大幅减少了实用应用所需的量子资源，因此实用的量子计算机有望比以往预期更早到来。 这项工作由安迪·古领导，作为人类学STEM研究员项目的一部分，指导者为人类学的量子物理学家阿莱克·凯门尼，并与哈佛大学的苏珊娜·耶林和哈佛大学及QuEra计算的米哈伊尔·卢金合作。 在arXiv上阅读完整论文 。 与以0或1为数值的比特存储信息的经典计算机不同，量子计算机将信息存储在量 子比特中 ，量子比特可以由单原子、超导电路或光粒子构成。这些量子比特利用了叠加等量子现象——叠 加 态允许量子系统同时存在于多种状态组合中——以处理信息的方式使化学、材料科学和数论等领域的某些问题变得易于解决，即使这些问题对传统计算机来说过于困难。 迄今为止，该领域制造的量子计算机只有数百到数千个量子比特——数量太少，无法运行许多承诺相较于经典计算机具有实际优势的算法。这些量子比特对环境噪声极为敏感，如热量、振动，甚至宇宙射线。微小的扰动可以推动量子比特的状态，这些小错误会累积，直到计算机给出错误答案。 鉴于量子比特和计算时间都是稀缺资源，研究人员一直在努力重新设计量子算法，以减少量子比特数量，并在更短时间内完成计算。一个典型的例子是模拟FeMoco，这是细菌用来将空气中的氮转化为氨的酶中铁-硫簇的核心。了解其工作原理有助于科学家设计更好的工业催化剂——制造商用来加速化学反应的物质。 2017年，研究人员估计，量子计算机需要大约50万亿托福利门来计算FeMoco的基态能量——即其最稳定构型的能量，化学家需要这些能量来预测FeMoco的反应。（与普通计算机类似，量子计算机通过对其量子比特施加一长串简单操作，称为门。托福利门是运行成本最高的门之一，因此计算托福利门是估算计算时间的标准方法。） 通过一系列算法的进步，估计的门数已降至约3.4亿——大约减少了15万倍，相当于未来拥有约三百万物理量子比特的机器上几小时的计算。 1 这些减少主要来自于重新设计执行计算的电路，而非制造更好的硬件。Claude在优化 经典 算法 方面表现尤为出色，因此我们想看看，如果只给出一个清晰的电路计算内容的语言描述，它是否也能对量子算法做同样的优化。 克洛德非常适合这项任务，原因有几个。首先，量子算法被实现为量子 电路 。这些门由一系列门组成，类似上述的托福利门。重要的是，这些电路可以用代码描述，因此我们可以利用Claude的编码能力，像普通程序一样编写、运行和修改电路设计。其次，我们最感兴趣优化的（相当常见的）量子算法类别可以被高效测试其正确性，因为每个输入都给出一个普通计算机可以检测的确定输出。这意味着我们可以让外部评估程序验证Claude的提案。最后，我们可以给Claude一个明确、客观的改进分数：使用的量子比特数乘以门数，作为电路运行时间的代理指标。 我们发现Claude Mythos 5能够成功地在闭环中工作，提出电路设计，接收评估程序的反馈和评分，并利用这些反馈改进下一次尝试，轮间无需人工干预（见图1）。在八种计算原语——构建更大量子算法的基本例程——用于化学、优化、量子仿真、数论和数值计算，Claude发现了新颖设计，这些设计使用量子比特和门数都少于先前发表的最佳算法（见图2）。 在每种情况下，改进都来自于对问题的新结构和数学见解的发现，而非对现有设计的微调。例如，在编译一个用于模拟铁-硫化物分子的电路时，克劳德注意到该分子的对称性和重复结构意味着某些结果可以一次性计算并重复使用，而不必对系统的每个部分都重新计算。在其他情况下，它发现现有电路包含昂贵的元件，这些元件仅能处理极其罕见的输入，因此在没有这些元件的情况下重新设计了电路。 下面，我们将介绍克劳德的两个发现。第一个是进行模块反演的新方法，这是一种算术，是椭圆曲线计算中最昂贵的步骤。第二种方法使得领先量子优化算法中最昂贵的步骤成本约为其12倍。 这些结果表明，人工智能现在可以帮助重新设计量子电路，这是让量子算法更快更易运行的关键一步。更快的电路设计可以让量子计算机本应解决的问题——从设计新药、更好的电池到寻找更清洁的化肥方法——更早触手可及。 https://cdn.sanity.io/files/4zrzovbb/website/0e9f7b41ac662fb1b2544315dc7cae1967f1fff8.mp4 [!quote]+ 一种新的可逆算法 设计量子电路涉及两个普通编程所没有的约束。第一个是量子电路无法像普通程序那样做出“如果-那么”的决策。普通程序可以检查一个值，然后只运行两段代码中的一段。但量子计算机运行在多个输入的叠加态上，其中一些会运行第一个代码，有些会运行第二个，所以电路每次运行时都必须包含这两者的操作。 第二，量子电路无法丢弃信息。普通程序完成后可以覆盖或删除其草稿;在量子计算机中，这种中间信息不能简单地被抹去，因为量子电路的每一步都必须是可逆的。保留这些信息也不是选项，因为留下的草稿会破坏最终效果。丢弃信息的唯一方法是通过反向运行生成信息的计算来“取消计算”，但代价是增加了更多的门。这两种约束使量子电路在运行时间和量子比特上都远高于经典电路。 这一约束迫使空间（即量子比特）与时间之间做出艰难的权衡。在一个极端情况下，量子电路可以在中间结果被使用后立即取消计算。这释放了量子比特，但如果以后需要同样的结果，电路必须重新计算，这会增加门数并延长运行时间。在另一个极端，电路可以保留中间结果，直到不再需要。这样可以避免重复工作，但可能需要更多的量子比特。 这正是量子电路设计成为克劳德能力特别有趣的考验的原因。电路可以写成普通代码，但要改进它们，模型需要在一套与普通编程截然不同的约束下进行推理。 一个艰难的首次测试：模块反演 我们给克劳德的第一个任务是点加法，这是一条将数学曲线（椭圆曲线）上的两个点合并生成第三个点的规则。点加法是量子算法中离散对数问题中椭圆曲线核心步骤：给定一个起点及其与自身相加 n 次的结果，求 n 。对于大曲线，普通计算机无法在合理时间内解决这个问题，但足够大的量子计算机可以。 这些算法会多次执行点加法，包括反向加法，这些加法承担了它们大部分的量子比特和运行时间成本。像这样的问题——易于计算，极难逆转——是最早被证明量子计算机比普通计算机带来指数级加速的问题之一。因此，加点法已成为该领域的标准基准之一。这对克劳德来说是一次严峻的考验。所以，我们让它绘制出一点加法实际需要多少量子比特和多少门。 我们给了克劳德一个简短的简报。它解释了点加法的数学规则，以及评估者如何检查每个拟议电路的正确性，并根据所用量子比特和门的数量进行评分。它还指示克劳德同时探索多种方法。在工作了53小时、几乎没有人力干预（仅限于最初的简报和偶尔的更广泛思考提示）后，克劳德提出了一种全新的问题解决方案。 divstep 的内存需求 大部分点数加法的成本来自单步，称为 模反演 。椭圆曲线算术使用数字，当数字达到固定极限时会绕回。模反演是除法的包绕版本：给定整数 a ，求 x 使得 ax ≡1（模 p ）。普通计算机可以通过一种称为 divsteps 的方法高效地完成此操作。Divsteps从一对数字开始，并在多次迭代中反复简化它们。在每一轮中，divsteps会检查当前的数字对，并有条件地交换、加、减或减半。在此过程中，它保留了足够信息，使得末端的模逆矩形。 尽管divsteps在普通计算机上取得成功，但由于上述可逆性限制，divsteps尚未产生实用的量子电路。每次迭代中选择的操作记录称为 分支信息 ，是传统程序可以直接丢弃的临时工作。相比之下，量子电路必须保留该记录，以便计算可以倒向进行。因此，简单的量子版本的divsteps必须积累漫长的分支信息历史，这需要大量额外的量子比特来存储。 克劳德如何解决记忆问题 Claude 认识到，这种 divsteps 方法对量子电路可能有前景，但前提是有办法避免存储完整历史。它有个想法：也许这张唱片根本不需要存储。克洛德推断，通过每次迭代后仔细检查这对数字，可能可以直接推断（或“解码”）分支信息。本质上，这些数字本身就存储了记录。此时电路可以倒向运行，无需额外量子比特。 为了验证这一想法，Claude 探索了若干简单的解码候选规则。这些早期规则在小型测试案例中有效，但当Claude在256位数字上测试时，它们失败了。 克洛德随后尝试了更理论化的方法。它不是猜测和测试规则，而是通过数学方法理解divsteps为何会有这样的行为。它证明了一系列关于迭代过程的结果，包括若干新的代数恒等式。克洛德从这些恒等式中推导出了一个精确的译码规则公式，能够正确从数值对中恢复分支信息。随后，它先通过大规模数值模拟验证公式，然后在精益中形式化了该主张。在完成完整验证后，Claude 生成了第一个无存储分支历史的可逆 divsteps 实现。 一系列设计 解码可以节省量子比特，但会消耗时间。因此，作为进一步的改进，Claude 寻找了存储分支信息比解码更便宜的情况。通过改变电路存储分支信息的阈值，克劳德创造了介于两端之间的新型设计族。与之前最小的设计相比，该系列中的一个电路使用了多12%的量子比特，但门数减少了17倍。更广泛地说，新设计扩展了帕累托前沿，提供了此前无法实现的量子比特数量和运行时间组合（见表1）。 [!quote]+ 优化量子优化器 优化问题是包括调度、物流和材料设计在内的广泛任务的核心。优化问题会提出一组竞争约束，并要求满足尽可能多的约束条件。许多量子算法已被提出用于此类问题，但大多数仅承诺相较普通计算机带来有限或不确定的提升。 解码量子干涉法（DQI） 是提供 超多项式量子加速 的最有力候选方法之一——随着问题的扩大，这一优势迅速扩大。 当量子计算机完成计算后，读取量子比特只会得到一个答案，这个答案是从叠加态中随机选择的。DQI通过准备一个量子态来工作，在该态中，好的解比坏解更可能被读出。实现这一点需要使用纠错解码器，从简要摘要中恢复一小串“错误”。这是算法中最昂贵的步骤。所以，如果我们能做出更快的解码器，也能更快地执行DQI。 更高效的量子解码器 引入DQI的研究人员在一个称为 最优多项式交 集（OPI）的问题上进行了演示，这是一种基于网格的曲线拟合（见图3）。想象一个网格，其中每个位置 x 包含多个可接受的 y 值。目标是找到一条简单曲线（低次数多项式），该曲线能在尽可能多的 x 位置中通过一个可接受的正方形。DQI通过一种特定类型的解码器——Reed–Solomon解码器来解决该优化问题。 里德-所罗门译码从上述错误的紧致总结开始，这被称为 综合征 。解码器的任务是从这些摘要中推断错误发生在数据的哪里以及具体情况。之前最先进的量子电路通过扩展欧几里得算法处理这些综合征，这是一种一系列分割和交换，步数和顺序取决于所输入的具体输入。这里，量子电路的限制再次显现：普通程序可以为每个输入走不同路径，而量子电路若同时处理多个输入，必须用单一固定的门序列来处理所有输入。为此，之前的设计必须将计算拉长到远超单一输入所需的迭代轮次，并且必须在每轮中执行所有操作，即使实际上并非必要。 改进该解码器可以大幅缩短DQI的运行时间。 谷歌量子人工智能 研究人员的估计表明，在世界上最强大的超级计算机之一 Frontier 上，解决某个特定的OPI问题大约需要三个月，而未来运行DQI的量子计算机则大约需要一小时。大部分时间都用来解码里德-所罗门法。 因此，我们请克劳德设计一个更高效的量子电路用于解码步骤。克劳德很快得出结论，扩展欧几里得算法不适合量子电路。相反，它围绕另一种解码方法组织电路，这种方法称为伯勒坎普–马西解码，该方法逐一读取综合征（错误摘要），并逐步推导出最简单的规则，基于之前的数字预测列表中的每个数字。一旦找到了这条规则，就会揭示错误。与扩展欧几里得算法不同，Berlekamp–Massey 在每一轮执行相同步骤，且运行的轮数始终相同，这符合量子电路单一固定门序列的结构，最终为 Claude 提供了更高效的基础。 简化的存储方法 切换到Berlekamp–Massey电路后，电路无需为不同输入选择不同路径。但使其可逆性带来了另一个挑战，这次是上述不可计算约束的结果。每一轮，电路计算的临时值只需短暂使用，但这些信息不能简单删除：要以后取消计算，电路必须能够恢复这些信息。 存储这些信息的成本将高得令人望而却步。所以Claude采取了和divsteps相同的方法：它找到了从电路当前状态重建大部分信息的方法，这样就不需要存储了。然而，少数特殊价值无法通过这种方式恢复，必须保存。 为最坏情况预留足够内存，即在35轮中出现异常值，则需要665个量子比特。相反，Claude编写了高速模拟器，运行了4.03亿次样本解码，以测量这些异常实际发生的频率。几乎每次运行最多都需要保存一个数值。所以Claude的电路只为一个保存值（19个量子比特）留出空间。大约每1万次运行中就有一次需要更多，失败了，这完全在任务允许的错误率范围内。这些改进用少量固定数量的量子比特和门取代了大型最坏情况的储备（见图4）。 这些优化共同使解码器中的门数相较 于谷歌之前的构建 减少了12倍。改进来自于在三个层面重新设计计算：不同的方法（用Berlekamp–Massey解码替代扩展欧几里得算法）、不同的电路架构（重建临时值而非存储），以及不同的资源预算（精确测量电路实际需要多少内存和计算量）。单一改动本身不够，但它们合起来，使DQI最昂贵的步骤成本便宜了一个数量级以上。 [!quote]+ 我们学到了什么 科学进步往往来自于将理论思

  • 情报分类：硬件与数码
  • 分类依据：内容涉及硬件、数码产品或通信卡
  • 信息来源：服务器 / LINUX DO - 最新话题
  • 发布时间：2026/10/17 07:39:16