Claude在闭环里自己改量子电路：点加任务跑53小时，解码器门数比Google旧构造少12倍
核心概要
Anthropic让Claude在无人干预的闭环里设计量子电路：给定自然语言规格和自动评分器，模型针对化学、优化、物理模拟与数论等八个计算原语给出新设计，在若干任务上同时减少量子比特与门数，超过此前已发表的最好电路，个别情形改善达一个数量级以上。椭圆曲线点加任务上，Claude在极少人工提示下连续工作53小时，把最贵的模逆元做成首个不存储分支历史的可逆实现；DQI最贵的Reed–Solomon解码步骤门数相对Google此前构造降低12倍。
深度剖析
量子电路设计现在可以由模型在闭环中自主完成：Claude接收一段自然语言规格，提出电路，由外部评估程序检查正确性并按量子比特数乘以门数打分，再把分数反馈回去改进下一轮，轮次之间没有人工介入。 此前这类改进依赖研究团队逐项重写电路，FeMoco基态能量估计从约50万亿个Toffoli门降到约3.4亿个门用了八年，每一步通常代表数月工作。 在化学、优化、量子模拟、数论和数值计算共八个计算原语上，Claude给出的设计在量子比特数和门数两方面都少于此前已发表的最好算法，且改进来自发现新的结构与数学性质，而非微调既有设计。
椭圆曲线点加中最贵的一步是模逆元，Claude把它做成第一个不存储分支历史的可逆实现：不再逐轮记录divsteps选了哪种操作，而是从每轮之后的数对直接推断出该记录。 divsteps在普通计算机上高效，但量子电路必须可逆，直白的量子版本被迫累积整段分支历史，需要大量额外量子比特来保存。 Claude先试简单解码规则，在256位数的完整问题规模上失败，随后证明了一系列关于迭代过程的代数恒等式，导出精确解码公式，经大规模数值模拟检验并在Lean中形式化，最终完成可逆实现；通过调整存储与解码的阈值，还得到一族介于两个极端之间的设计，其中一款比此前最小设计多用12%量子比特但门数少17倍。
DQI中最贵的Reed–Solomon解码步骤被重新设计，门数相对Google此前的构造降低12倍，使这一步便宜了一个数量级以上。 此前设计基于扩展欧几里得算法，其步数和顺序随输入变化，量子电路只能对所有输入用同一固定门序列，因此被迫拉长迭代轮数并在每轮执行全部操作。 Claude改用Berlekamp–Massey解码，每轮做同类步骤且轮数固定；对无法从当前状态重建的少数例外值，它用高速模拟器跑了4.03亿次样本解码，发现几乎每次最多只需保存一个值，于是只预留19个量子比特而非最坏情况的665个，约万分之一运行需要更多而失败，仍在任务允许的错误率内。
启示与展望
报道覆盖的是Anthropic公布的八个计算原语上的电路设计结果，以及椭圆曲线模逆元和DQI解码两个具体案例；读者对象是关注量子算法与AI辅助设计的量子信息、化学模拟和优化方向研究人员。电路设计只是构建有用量子计算机的一环，机器还需在运行中捕获并修正自身错误，这依赖纠错码、快速解码器和硬件控制等组件。原文提出一种可能：不再分别设计各组件，而由AI从算法到硬件联合优化，为特定问题定制整台纠错量子计算机，并借此告诉硬件制造者哪些能力最关键。
早期实验中Claude偏保守，会反复质疑看似成立的改进，有时对已有充分支持的结果再三复核，并倾向选择已知方法而非新方法；团队通过要求并行提出多种不同思路、偶尔提示扩大搜索来缓解。解码电路约万分之一运行会因例外值超过预留而失败，这一比例在任务允许的错误率之内。FeMoco门数下降与椭圆曲线设计的时间对比来自原文叙述，并非同一评测口径下的对照。