Forschende, die mit Anthropic arbeiten, nutzten Claude Mythos 5 für Vorschläge zu Quantenschaltungen und prüften diese anschließend mit einem separaten Programm. In einem am 15. Oktober eingereichten Preprint berichten sie für sieben von acht Aufgaben zum Schaltungsbau über geringere Toffoli-Gatterzahlen und Spitzenqubitzahlen als bei ihren Vergleichsentwürfen. Die achte Aufgabe, die modulare Inversion in einem Primkörper, lieferte eine Familie unterschiedlicher Abwägungen zwischen Gattern und Qubits.

Das sind Schätzungen für vorgeschlagene logische Schaltungen, keine Messungen an einem Quantencomputer. Für Forschende, die über den Nutzen KI-gestützten Designs entscheiden, ist Folgendes hilfreich: Das Team gab dem Modell eine präzise zu implementierende Funktion und eine schnelle Möglichkeit, falsche Versuche zu verwerfen. BIG CHANGE hat die Arbeit und Anthropics Forschungsbericht vom 16. Oktober geprüft. Wir haben weder die Suche ausgeführt noch die Ressourcenschätzungen reproduziert oder eine Schaltung auf Hardware ausgeführt.

Die große Veränderung

  • Was sich geändert hat: Eine evaluatorgesteuerte Suche erzeugte Schaltungsentwürfe für acht festgelegte Grundoperationen des Quantenrechnens. Die Arbeit meldet geringere Gatter- und Qubitzahlen für sieben Aufgaben sowie eine andere Abwägung bei der modularen Inversion.
  • Warum das wichtig ist: Ein großer Quantenalgorithmus ruft kleinere Routinen wiederholt auf. Weniger geschätzte Ressourcen für diese Routinen könnten die Anforderungen einer künftigen Implementierung senken, sofern die Entwürfe bei der Integration mit Fehlerkorrektur und Hardwarebeschränkungen bestehen.
  • Worauf zu achten ist: Eine unabhängige Prüfung der Schaltungskonstruktionen, ihrer angegebenen Fehlerbudgets und hardwarespezifischen Ressourcenschätzungen wird bestimmen, wie weit die Ergebnisse über diese Testfälle hinaus tragen.

Ein Modell schlägt vor, ein Evaluator prüft

Eine Quantenschaltung muss Informationen erhalten, die ein gewöhnliches Programm überschreiben kann. Temporäre Werte müssen durch Umkehrung der Arbeit gelöscht werden, die sie erzeugt hat; dieser Vorgang heißt Uncomputation. Das Speichern der Werte belegt Qubits, ihre Neuberechnung kostet Gatter. Die Arbeit konzentriert sich auf Routinen, deren Verhalten als klassische Funktion innerhalb einer reversiblen Quantenoperation beschrieben werden kann. Diese eingeschränkte Klasse macht eine automatisierte Korrektheitsprüfung praktikabel.

Für jede der acht Aufgaben formulierten die Forschenden das geforderte Ein- und Ausgabeverhalten und begannen die Suche mit einem leeren Programm. Claude schlug mehrere Algorithmusfamilien als Python-Programme vor, die Schaltungen aufbauen. Getrennte Suchen verbesserten jede Familie und teilten regelmäßig starke Kandidaten. Der Evaluator prüfte, ob eine eingereichte Schaltung die geforderte Ausgabe erzeugt, Eingaben erhält, temporäre Qubits bereinigt und die Phase korrekt behandelt. Anschließend zählte er Toffoli-Gatter und die größte Zahl gleichzeitig zugeteilter logischer Qubits. Kandidaten, die die Aufgabenspezifikation verfehlten, wurden verworfen; gültige Kandidaten wurden nach dem Produkt beider Ressourcenzahlen eingestuft.

Die Arbeit nennt das eine evolutionäre Suche mit OpenEvolve und Claude Mythos 5. Jede Modelliteration erhielt ein Elternprogramm, Rückmeldungen und eine begrenzte Auswahl von Alternativen aus dem Archiv. Die Ergebnisse des Evaluators flossen in den nächsten Vorschlag ein. Laut Anthropic lief eine lange Suche zur Punktaddition auf elliptischen Kurven 53 Stunden, mit gelegentlichen menschlichen Aufforderungen, breiter zu suchen. Die anfänglichen Spezifikationen, die Aufgabenauswahl und die Bewertungsregeln waren menschliche Entscheidungen.

Die gemeldeten Einsparungen und ihre Bedingungen

Die Ergebnistabelle der acht Aufgaben des Teams umfasst Decoder für einen Optimierungsalgorithmus, numerische Funktionen, eine Chemieschaltung, Gittereichtheorie-Simulation und modulare Inversion. Für den Reed–Solomon-Decoder vergleicht die Arbeit eine veröffentlichte Basis mit 5,1 Millionen Toffoli-Gattern und maximal 1.938 logischen Qubits mit einem Vorschlag von 440.000 Gattern und 1.837 Qubits. Der Wert aus Gatterzahl mal Qubitzahl verbessert sich nach der Rechnung der Arbeit um den Faktor 12. Für eine Gaußfunktion in Festkommadarstellung sinken die gemeldeten Zahlen von 24.000 Gattern und 362 Qubits auf 1.583 Gatter und 139 Qubits, was diesen Wert um den Faktor 39 verbessert.

Die achte Aufgabe muss anders gelesen werden. Die Autoren geben für die modulare Inversion in einem Primkörper keine einzelne Basis und keinen Verbesserungsfaktor an, weil frühere Konstruktionen mehr Gatter gegen weniger Qubits tauschen oder umgekehrt. Ihre vollständige Benchmarkschaltung verwendet 4,0 Millionen Toffoli-Gatter und 935 logische Qubits. Ein Entwurf aus der neuen Familie nutzt laut Anthropics Darstellung 12% mehr Qubits als der kleinste frühere Entwurf, aber 17-mal weniger Gatter. Das ist eine Abwägung, keine Verringerung auf allen Ebenen.

Ein vorgeschlagener Decoder geht zudem bewusst einen Zuverlässigkeitskompromiss ein. Er reserviert 19 Qubits für einen gespeicherten Ausnahmefallwert statt 665 Qubits für die schlimmste mögliche Folge von Ausnahmefällen. Nach Schätzung der Arbeit würde unter der angegebenen Verteilung etwa eine von 10.000 Eingaben mehr Speicher benötigen und scheitern. Andere Aufgaben verwenden andere Genauigkeits- oder Fehlerkriterien. Wer die Zeilen vergleicht, muss diese Bedingungen neben den Gatter- und Qubitzahlen berücksichtigen.

Was die Rechnung nicht klären kann

Der Evaluator verfolgt Eingaben in der Berechnungsbasis durch Schaltungen, die eine effiziente klassische Simulation erlauben. Bei großen Eingabebereichen prüft er Stichproben, statt die Korrektheit jeder möglichen Eingabe zu beweisen. Einige Aufgabenspezifikationen verlangen exakte Ergebnisse, doch auch deren gemeldete Validierung verwendet endliche Testsätze. Die Prüfungen stützen die Vorschläge innerhalb der angegebenen Schnittstelle und Fehlertoleranz jeder Aufgabe; sie zeigen keine Schaltung, die auf Quantenhardware läuft.

Toffoli-Zahl und maximale logische Qubitzahl sind Stellvertreter für künftigen Zeit- und Platzbedarf. Gattertiefe, Routing, Fehlerkorrektursystem und physische Qubits einer Maschine können verändern, welcher Entwurf vorzuziehen ist. Die Autoren legen außerdem die Eingabedarstellung jeder Aufgabe fest und schließen damit manche Änderungen der Kodierung von der Suche aus. Diese Grenzen sind wichtig, bevor eine vielversprechende Unterroutine auf einen vollständigen Algorithmus angewendet wird.

Die stärkste Schlussfolgerung betrifft die Entwurfsmethode. Hat ein Forschungsproblem eine klare Spezifikation und einen ausreichend schnellen unabhängigen Evaluator, kann ein Modell Schaltungsarchitekturen untersuchen, die eine einfache Folge lokaler Gatterumschreibungen übersehen könnte. Die konkreten Ressourcenzahlen bleiben die Preprintergebnisse der Autoren und warten auf unabhängige Reproduktion sowie eine hardwarebezogene Bewertung.

Quellen und weiterführende Informationen

  • Entdeckung modernster Quantenschaltungen mit großen Sprachmodellen. Andi Gu, Alek H. Kemeny, Susanne F. Yelin und Mikhail D. Lukin, arXiv v1, eingereicht am 15. Oktober 2026. Der primäre Preprint beschreibt Suche, Evaluator, Ergebnisse für acht Aufgaben, Validierung und Grenzen. Es handelt sich um einen Forschungsbericht, keine Hardwarebereitstellung.
  • Effizientere Quantenschaltungen mit Claude entwerfen. Anthropic, 16. Oktober 2026. Erläuterung der Autoren zur Forschung, einschließlich der 53-stündigen Suche zur Punktaddition und der Abwägung bei modularer Inversion. Der Ausblick auf künftige praktische Quantencomputer ist eine Projektion, kein beobachtetes Ergebnis.