Claude урезал гейты квантовой схемы в 17 раз за 53 часа

Чтобы понять, сколько памяти на самом деле нужно квантовому декодеру, Claude написал собственный быстрый симулятор и прогнал на нём 403 миллиона пробных декодирований. Оказалось, что почти каждому прогону хватает места под одно сохранённое значение, то есть под 19 кубитов. Схема, собранная под этот бюджет, примерно в одном случае из 10 000 ошибается, и в допустимую для задачи частоту ошибок это укладывается.

Этот эпизод из отчёта Anthropic о проектировании квантовых схем хорошо объясняет оба главных результата работы. Claude Mythos 5 получил словесные описания восьми базовых подпрограмм из химии, оптимизации, симуляции физических систем, теории чисел и численных расчётов. В каждой задаче он нашёл схему, которой нужно меньше и кубитов, и гейтов, чем лучшей из опубликованных. Самые заметные результаты такие: сложение точек на эллиптической кривой в 17 раз дешевле по гейтам ценой 12% лишних кубитов и декодер для алгоритма DQI, который в 12 раз дешевле конструкции Google. Работу вёл Энди Гу (Andi Gu) по программе Anthropic STEM Fellows, куратором был квантовый физик Anthropic Алек Кемени (Alek Kemeny), соавторы из Гарварда: Сюзанна Йелин (Susanne Yelin) и Михаил Лукин (он же связан с QuEra Computing). Статья выложена на arXiv.

Цикл без человека

Схема устроена просто. Claude пишет реализацию на Python и отправляет её программе-оценщику. Та проверяет, правильно ли работает схема, и выставляет балл: число кубитов, умноженное на число гейтов, как приблизительная мера времени работы. По этому отзыву Claude правит следующую попытку, и между раундами человек не вмешивается.

Подходит это не к любым квантовым алгоритмам. Авторы выбирали распространённый класс, где каждый вход даёт один определённый выход, и обычный компьютер может его проверить. Поэтому оценщик в состоянии сам отбраковывать неверные варианты, а модели не приходится верить на слово.

Участие людей всё же было, и авторы его описывают. Для задачи о сложении точек Claude получил бриф в один абзац: математическое правило, порядок проверки и подсчёта баллов и указание развивать несколько подходов параллельно. Дальше были 53 часа работы, в течение которых люди лишь изредка просили модель мыслить шире. Вопрос о том, какая доля такой «самостоятельной» находки принадлежит модели, уже возникал: 28 сентября мы писали, что The New York Times усомнилась в самостоятельности Claude при поиске фермента.

По словам авторов, выигрыш нигде не получен подгонкой готовых схем: в каждом случае Claude находил новое структурное или математическое наблюдение. При компиляции схемы для симуляции молекулы сульфида железа он заметил, что благодаря симметриям и повторяющейся структуре молекулы часть результатов можно вычислить один раз и использовать повторно. В других задачах он находил в существующих схемах дорогие блоки, нужные только для крайне редких входов, и перестраивал схему без них.

Почему квантовая схема дорогая

Обычному программисту здесь мешают два ограничения. Первое касается ветвлений: квантовый компьютер обрабатывает суперпозицию множества входов сразу, часть из них пошла бы по одной ветке «если», часть по другой, поэтому схема каждый раз выполняет операции обеих веток. Второе касается промежуточных данных: стереть их нельзя, потому что каждый шаг квантовой схемы обратим, а оставить тоже нельзя, потому что они испортят итоговый результат. Остаётся «раскомпьютить» их, прогнав создавшее их вычисление в обратную сторону, а это дополнительные гейты.

Отсюда торг между памятью и временем. Если сразу раскомпьютить промежуточный результат, освобождаются кубиты, но при повторной надобности его придётся считать заново. Если держать его до конца, повторной работы не будет, зато кубитов понадобится гораздо больше. Оба результата Claude, о которых подробно рассказывают авторы, по сути выходят из этого торга одним путём: историю вычисления не хранить, а восстанавливать по текущему состоянию.

Инверсия без журнала

Сложение точек на эллиптической кривой лежит в основе квантовых алгоритмов для задачи дискретного логарифма: по исходной точке и результату её сложения с собой n раз найти n. Эти алгоритмы выполняют сложение точек много раз, в том числе в обратную сторону, и на него уходит большая часть кубитов и времени, поэтому задача стала одним из стандартных тестов в области. Основная стоимость сосредоточена в модульной инверсии: найти x, при котором ax ≡ 1 (mod p).

На обычных компьютерах инверсию эффективно считает метод divsteps. Он берёт пару чисел и раунд за раундом условно меняет их местами, складывает, вычитает или делит пополам. Квантовой схемы из него до сих пор не получалось. Запись о том, какую операцию выбрали в каждом раунде (авторы называют её branch information), обычная программа просто выбрасывает, а квантовая обязана хранить, чтобы вычисление можно было прогнать назад. Прямолинейная версия накапливает длинную историю ветвлений, и на её хранение уходит огромное число кубитов.

Claude предположил, что историю можно вовсе не хранить, а выводить из самой пары чисел после каждого раунда. Тогда записью служат сами числа. Первые простые правила декодирования работали на маленьких примерах и ломались на полном размере задачи, на 256-битных числах. Тогда Claude перешёл к теории: доказал серию утверждений о том, как ведёт себя итерация, включая несколько новых алгебраических тождеств, и вывел из них точную формулу для восстановления ветвлений. Формулу он проверил крупными численными симуляциями, а затем формализовал утверждение в Lean. Так получилась, по словам авторов, первая обратимая реализация divsteps без хранимой истории ветвлений.

Декодирование экономит кубиты, но тратит время. Поэтому Claude искал случаи, где хранить запись выходит дешевле, чем восстанавливать, и, сдвигая порог между этими режимами, получил целое семейство схем. Одна из них по сравнению с самой компактной из опубликованных использует на 12% больше кубитов и в 17 раз меньше гейтов. В сравнительной таблице предыдущие рекорды взяты из работ Schrottenloher (2026) и Luo et al. (2026). Новые схемы расширяют границу Парето: появляются сочетания числа кубитов и времени работы, которых раньше не было.

Декодер для DQI

Decoded quantum interferometry (DQI) авторы называют одним из сильнейших кандидатов на суперполиномиальное квантовое ускорение в задачах оптимизации. Алгоритм готовит состояние, в котором хорошие решения считываются чаще плохих, и самый дорогой его шаг приходится на декодер, исправляющий ошибки. Создатели DQI показывали его на задаче optimal polynomial intersection, дискретной подгонке кривой по сетке, где нужен декодер Рида–Соломона. По оценкам исследователей Google Quantum AI, одну такую задачу суперкомпьютер Frontier решал бы около трёх месяцев, а будущий квантовый компьютер с DQI примерно за час, и большая часть этого часа ушла бы на декодирование.

Прежняя схема (Khattar et al., 2025) обрабатывала синдромы расширенным алгоритмом Евклида. Число и порядок его шагов зависят от входа, поэтому квантовой версии приходилось растягивать вычисление на больше раундов, чем нужно любому отдельному входу, и выполнять каждую операцию в каждом раунде. Claude перешёл на алгоритм Берлекэмпа–Мэсси: он читает синдромы по одному, постепенно находит простейшее правило, предсказывающее каждый следующий элемент, и всегда делает одинаковые шаги одинаковое число раз.

Наивная обратимая версия Берлекэмпа–Мэсси хранит в каждом раунде запись на 12 кубитов, всего 840 кубитов. Claude снова восстановил большую часть истории из текущего состояния, но несколько исключительных значений так восстановить нельзя. Если резервировать память под худший случай, когда исключение возникает в 35 раундах, нужно 665 кубитов, то есть 35 раз по 19. Симуляция на 403 миллионах прогонов позволила оставить место под одно значение. Вместе со сменой алгоритма это дало двенадцатикратное сокращение гейтов в декодере.

Восемь лет и 53 часа

Для масштаба авторы приводят историю молекулы FeMoco, железо-серного кластера в нитрогеназе, ферменте, которым бактерии превращают азот воздуха в аммиак. В 2017 году для расчёта её основного состояния оценивали примерно 50 трлн гейтов Тоффоли, одних из самых дорогих. Сейчас оценка около 340 млн, что соответствует нескольким часам на будущей машине примерно с тремя миллионами физических кубитов. 50 трлн, делённые на 340 млн, дают около 147 000 раз, авторы округляют до 150 000. Это снижение заняло у многих групп восемь лет, а схема для эллиптических кривых получена за один 53-часовой прогон. Сравнение хромает: это разные задачи с разным масштабом выигрыша.

Сама FeMoco как ориентир тоже под вопросом. По данным блога Quantum Frontiers, в 2026 году вышел препринт Zhai et al. о классическом решении модели FeMo-кофактора с химической точностью, и его авторам пришлось отдельно объяснять, что это значит для квантовых вычислений.

Дальше авторы предлагают тот же подход к другим частям отказоустойчивого компьютера: кодам коррекции ошибок, быстрым декодерам, управлению железом. Многие из них тоже можно записать кодом, проверить и оценить по стоимости, и тогда ИИ мог бы оптимизировать их совместно под конкретную задачу и подсказывать производителям железа, какие возможности важнее.

Где Claude тормозил

В ранних экспериментах Claude вёл себя консервативно: сомневался в явных улучшениях, проверял уже надёжные результаты по два и по три раза и тянулся к известным подходам вместо новых. Помогли два приёма: обязательная параллельная разработка нескольких качественно разных подходов и редкие подсказки расширить поиск. Но у осторожности была и польза: именно она, по словам авторов, заставила Claude написать доказательства в Lean для схемы на divsteps.