Edición en Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# Claude propone circuitos cuánticos que reducen los costos estimados de puertas y cúbits

> Un preprint de Anthropic y Harvard usa Claude para proponer circuitos cuánticos y un evaluador separado para comprobarlos. Siete de ocho tareas muestran menores recuentos estimados de puertas y cúbits en las comparaciones del artículo.

By BIG CHANGE Editorial

Published: 2026-10-17T13:44:34.835Z
Updated: 2026-10-17T13:44:34.835Z
Canonical: https://bigchange.ai/blog/claude-quantum-circuits-gate-qubit-estimates

![Conceptual charcoal illustration of pegs in three channels of a wooden logic model beside a separate measuring gauge.](https://bigchange.ai/api/media/file/quantum-circuit-evaluator-concept-v1.png)
AI-generated conceptual illustration by BIG CHANGE; physical analogy, not a circuit from the preprint or a measured result.

Investigadores que trabajan con Anthropic usaron Claude Mythos 5 para proponer circuitos cuánticos y después comprobaron las propuestas con un programa separado. En un [preprint presentado el 15 de octubre](https://arxiv.org/abs/2610.22367), informan de menos puertas Toffoli y menos cúbits máximos que en sus diseños de comparación en siete de ocho tareas de construcción de circuitos. La octava, la inversión modular en un cuerpo primo, produjo una familia con distintas compensaciones entre puertas y cúbits.

Son estimaciones de circuitos lógicos propuestos, no mediciones de una computadora cuántica. El resultado es útil para quienes investigan dónde puede ayudar el diseño asistido por IA: el equipo dio al modelo una función precisa que implementar y una forma rápida de rechazar intentos incorrectos. BIG CHANGE revisó el artículo y la [explicación de la investigación](https://www.anthropic.com/research/designing-efficient-quantum-circuits) de Anthropic del 16 de octubre. No ejecutamos la búsqueda, no reprodujimos las estimaciones de recursos ni ejecutamos un circuito en hardware.

## El gran cambio

- **Qué cambió:** Una búsqueda guiada por un evaluador produjo diseños de circuitos para ocho operaciones básicas de computación cuántica especificadas. El artículo informa de menos puertas y cúbits en siete tareas, con una compensación distinta para la inversión modular.
- **Por qué importa:** Un algoritmo cuántico grande llama repetidamente a rutinas más pequeñas. Reducir los recursos estimados para ellas podría rebajar las exigencias de una implementación futura, si los diseños siguen siendo válidos al integrar corrección de errores y restricciones del hardware.
- **Qué observar:** El escrutinio independiente de las construcciones de circuitos, sus presupuestos de error declarados y las estimaciones de recursos para hardware específico determinará hasta dónde llegan los resultados fuera de estos casos de prueba.

## Un modelo propone; un evaluador comprueba

Un circuito cuántico debe conservar información que un programa convencional puede sobrescribir. Los valores temporales deben borrarse invirtiendo el trabajo que los produjo, un proceso llamado descomputación. Mantener esos valores ocupa cúbits; volver a calcularlos cuesta puertas. El [artículo](https://arxiv.org/html/2610.22367v1) se centra en rutinas cuyo comportamiento puede expresarse como una función clásica integrada en una operación cuántica reversible. Esa clase restringida hace viable una comprobación automática de corrección.

Para cada una de las ocho tareas, los investigadores escribieron el comportamiento de entrada y salida requerido y comenzaron la búsqueda con un programa en blanco. Claude propuso varias familias de algoritmos como programas de Python que construyen circuitos. Búsquedas separadas mejoraron cada familia, compartiendo periódicamente candidatos destacados. El evaluador comprobó si un circuito entregado producía la salida requerida, conservaba las entradas, limpiaba los cúbits temporales y trataba correctamente la fase. Después contó las puertas Toffoli y el máximo de cúbits lógicos asignados simultáneamente. Se rechazaba al candidato que incumplía la especificación; los válidos se ordenaban por el producto de ambos recuentos de recursos.

El artículo denomina al método búsqueda evolutiva con OpenEvolve y Claude Mythos 5. En cada iteración, el modelo recibió un programa progenitor, comentarios y un conjunto limitado de alternativas del archivo. Los resultados del evaluador orientaban la siguiente propuesta. Anthropic dice que una búsqueda larga sobre suma de puntos de una curva elíptica duró 53 horas, con indicaciones humanas ocasionales para explorar más ampliamente. Las especificaciones iniciales, la elección de tareas y las reglas de puntuación fueron decisiones humanas.

## El ahorro comunicado y sus condiciones

La [tabla de resultados de las ocho tareas](https://arxiv.org/html/2610.22367v1) del equipo abarca decodificadores para un algoritmo de optimización, funciones numéricas, un circuito de química, simulación de teorías de gauge en retículo e inversión modular. Para el decodificador Reed–Solomon, el artículo compara una referencia publicada de 5,1 millones de puertas Toffoli y 1.938 cúbits lógicos máximos con un diseño propuesto de 440.000 puertas y 1.837 cúbits. Su puntuación de puertas multiplicadas por cúbits mejora por un factor de 12 según la contabilidad del artículo. Para una función gaussiana de punto fijo, los recuentos pasan de 24.000 puertas y 362 cúbits a 1.583 puertas y 139 cúbits: una mejora de 39 veces en esa puntuación.

La octava tarea requiere otra lectura. Los autores no dan una única referencia ni un factor de mejora para la inversión modular en un cuerpo primo, porque las construcciones anteriores intercambian más puertas por menos cúbits, o al contrario. Su circuito de benchmark completo usa 4,0 millones de puertas Toffoli y 935 cúbits lógicos. Según la explicación de Anthropic, un diseño de la nueva familia usa un 12% más de cúbits que el diseño anterior más pequeño, pero 17 veces menos puertas. Es una compensación, no una reducción en todos los frentes.

Un decodificador propuesto también acepta deliberadamente una compensación de fiabilidad. Reserva 19 cúbits para un valor excepcional almacenado, frente a los 665 cúbits para la peor secuencia posible de excepciones. El artículo estima que aproximadamente una entrada de cada 10.000 necesitaría más almacenamiento y fallaría bajo su distribución especificada. Otras tareas usan criterios distintos de precisión o fallo. Al comparar las filas, hay que conservar esas condiciones junto con los recuentos de puertas y cúbits.

## Lo que el cálculo no puede resolver

El evaluador sigue entradas en la base computacional a través de circuitos que permiten una simulación clásica eficiente. Para dominios grandes, comprueba muestras de entradas en lugar de demostrar que todas las entradas posibles son correctas. Algunas especificaciones exigen resultados exactos, pero la validación comunicada sigue usando conjuntos finitos de prueba. Estas comprobaciones respaldan las propuestas dentro de la interfaz y tolerancia de error declaradas para cada tarea; no muestran un circuito funcionando en hardware cuántico.

El número de Toffoli y el máximo de cúbits lógicos son indicadores indirectos de los futuros costos de tiempo y espacio. La profundidad de puertas, el enrutamiento, el sistema de corrección de errores y los cúbits físicos de una máquina pueden cambiar qué diseño conviene más. Los autores también fijan la representación de entrada de cada tarea, dejando algunos cambios de codificación fuera de la búsqueda. Son límites importantes antes de aplicar una subrutina prometedora a un algoritmo completo.

La conclusión más sólida se refiere al método de diseño. Cuando un problema de investigación tiene una especificación clara y un evaluador independiente suficientemente rápido, un modelo puede explorar arquitecturas de circuitos que una simple secuencia de reescrituras locales de puertas podría pasar por alto. Las cifras concretas de recursos siguen siendo resultados del preprint de los autores, pendientes de reproducción independiente y de una evaluación que tenga en cuenta el hardware.

## Fuentes y lecturas adicionales

- [Descubrir circuitos cuánticos de vanguardia con grandes modelos de lenguaje](https://arxiv.org/html/2610.22367v1). Andi Gu, Alek H. Kemeny, Susanne F. Yelin y Mikhail D. Lukin, arXiv v1 presentado el 15 de octubre de 2026. El preprint principal describe la búsqueda, el evaluador, los resultados de ocho tareas, la validación y los límites. Es un informe de investigación, no un despliegue en hardware.
- [Diseñar circuitos cuánticos más eficientes con Claude](https://www.anthropic.com/research/designing-efficient-quantum-circuits). Anthropic, 16 de octubre de 2026. Explicación de los autores, incluida la búsqueda de suma de puntos de 53 horas y la compensación de la inversión modular. Su perspectiva sobre futuras computadoras cuánticas prácticas es una proyección, no un resultado observado.

## Sources

- [Descubrir circuitos cuánticos de vanguardia con grandes modelos de lenguaje](https://arxiv.org/html/2610.22367v1) — Preprint principal arXiv v1: método, comparación de ocho tareas, pruebas de corrección, estimaciones de recursos y límites. Informe de investigación, no ejecución en hardware.
- [Diseñar circuitos cuánticos más eficientes con Claude](https://www.anthropic.com/research/designing-efficient-quantum-circuits) — Explicación de los autores. Describe la búsqueda de 53 horas y la compensación de la inversión modular; las implicaciones para futuras computadoras son proyecciones.