AI-translated from English; not yet reviewed by a fluent editor.
# Claude提出量子电路方案，降低估算的逻辑门和量子比特需求
> Anthropic与Harvard研究人员的预印本使用Claude提出量子电路，再由另一套评估程序检查。在论文选定的比较中，八项任务有七项的逻辑门和量子比特估算数量更低。
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
AI-generated conceptual illustration by BIG CHANGE; physical analogy, not a circuit from the preprint or a measured result.
与Anthropic合作的研究人员使用Claude Mythos 5提出量子电路方案，再用另一套程序检查。在[10月15日提交的预印本](https://arxiv.org/abs/2610.22367)中，他们报告称，八项电路构建任务中有七项的Toffoli门数量和量子比特峰值数量低于比较方案。第八项是素数阶有限域上的模逆运算，得到的是一系列在逻辑门与量子比特之间取舍不同的方案。
这些数字是针对所提出逻辑电路的估算，并非量子计算机上的测量结果。对于判断AI辅助设计能在哪些地方发挥作用的研究人员，这项结果有参考价值：团队让模型实现一个定义精确的函数，并提供了快速淘汰错误尝试的方法。BIG CHANGE查阅了论文以及Anthropic于10月16日发布的[研究介绍](https://www.anthropic.com/research/designing-efficient-quantum-circuits)。我们没有运行搜索、复现资源估算，也没有在硬件上执行电路。
## 大变化
- **发生了什么变化：** 在评估程序引导下，搜索为八项指定的量子计算基本操作生成了电路设计。论文报告七项任务的逻辑门与量子比特数量降低，而模逆运算呈现不同的取舍。
- **为什么重要：** 大型量子算法会反复调用较小的例程。降低这些例程所需资源的估算值，可能减少未来实现的需求，前提是把设计与纠错机制及硬件约束结合后，优势依然成立。
- **接下来关注什么：** 对电路构造、所声明的误差预算以及特定硬件资源估算的独立审查，将决定这些结果在测试任务之外能适用多远。
## 模型提出方案，评估程序负责检查
量子电路必须保留普通程序可以覆写的信息。临时值需要通过逆向执行生成它们的计算来清除，这一过程称为反计算（uncomputation）。保留这些值会占用量子比特，重新计算则消耗逻辑门。[论文](https://arxiv.org/html/2610.22367v1)聚焦于一类例程：其行为可以表述为嵌入可逆量子操作的经典函数。这个受限的类别使自动检查正确性变得可行。
针对八项任务中的每一项，研究人员写明所需的输入输出行为，并从空白程序开始搜索。Claude以构建电路的Python程序形式提出多个算法家族。各自独立的搜索改进这些家族，并定期分享表现较好的候选方案。评估程序检查提交的电路是否产生要求的输出、保留输入、清除临时量子比特并正确处理相位，然后统计Toffoli门数量以及同时分配的逻辑量子比特数量上限。不符合任务规格的候选方案会被淘汰；合格方案按照这两项资源数量的乘积排序。
论文将其称为使用OpenEvolve和Claude Mythos 5的演化搜索。在每轮迭代中，模型都会收到父程序、反馈以及从档案中选取的有限备选方案。评估结果为下一轮提案提供依据。Anthropic称，一次针对椭圆曲线点加法的长时间搜索持续了53小时，期间人类偶尔提示模型扩大探索范围。初始规格、任务选择和评分规则均由人类决定。
## 论文报告的节省及其条件
团队的[八项任务结果表](https://arxiv.org/html/2610.22367v1)涵盖用于优化算法的解码器、数值函数、化学电路、格点规范理论模拟以及模逆运算。对于Reed–Solomon解码器，论文将已发表基准方案的510万个Toffoli门、最多1,938个逻辑量子比特，与新方案的440,000个逻辑门、1,837个量子比特比较。按论文的计算方式，门数量与量子比特数量乘积这一指标改善了12倍。对于定点高斯函数，所报告的数量从24,000个逻辑门、362个量子比特降至1,583个逻辑门、139个量子比特，该乘积指标改善了39倍。
第八项任务需要不同的解读。对于素数阶有限域上的模逆运算，作者没有给出唯一基准或改善倍数，因为以往构造会以更多逻辑门换取更少量子比特，或反过来。他们的完整基准电路使用400万个Toffoli门和935个逻辑量子比特。根据Anthropic的介绍，新家族中的一个设计比以往量子比特数量最少的设计多用12%的量子比特，但逻辑门数量只有后者的1/17。这是一种取舍，并非所有指标都降低。
一个新解码器还在可靠性上作出了有意的取舍。它为一个异常的存储值预留19个量子比特，而不是为最坏的异常序列预留665个量子比特。论文估算，在指定分布下，约每10,000个输入中会有一个需要更多存储空间并因此失败。其他任务采用不同的精度或失败标准。读者比较表格各行时，需要将这些条件与逻辑门、量子比特数量一并考虑。
## 计算无法解决哪些问题
评估程序追踪计算基输入在可高效经典模拟的电路中的变化。面对较大的输入域，它检查的是抽样输入，并非证明所有可能输入都正确。有些任务规格要求精确结果，但论文报告的验证仍使用有限测试集。这些检查支持的是各任务所声明接口和误差容限内的方案，并未展示电路在量子硬件上运行。
Toffoli门数量与逻辑量子比特峰值数量是未来时间和空间成本的间接指标。具体机器的门深度、路由、纠错系统和物理量子比特，都可能改变哪种设计更合适。作者还固定了每项任务的输入表示方式，因此一些编码变化不在搜索范围内。在把有希望的子程序用于完整算法之前，这些限制都需要考虑。
最有力的结论在于设计方法。如果研究问题具有清晰的规格和足够快的独立评估程序，模型就能探索一些简单的局部门改写序列可能遗漏的电路架构。具体的资源数字仍是作者预印本中的结果，尚待独立复现和结合硬件条件的评估。
## 来源与延伸阅读
- [利用大语言模型发现先进量子电路](https://arxiv.org/html/2610.22367v1)。Andi Gu、Alek H. Kemeny、Susanne F. Yelin和Mikhail D. Lukin，arXiv v1，于2026年10月15日提交。主要预印本介绍搜索方法、评估程序、八项任务结果、验证及限制。这是一份研究报告，并非硬件部署成果。
- [利用Claude设计更高效的量子电路](https://www.anthropic.com/research/designing-efficient-quantum-circuits)。Anthropic，2026年10月16日。作者对研究的解释，包括持续53小时的点加法搜索和模逆运算的取舍。关于未来实用量子计算机的展望属于推测，并非已观察到的结果。
## Sources
- [利用大语言模型发现先进量子电路](https://arxiv.org/html/2610.22367v1) — 主要arXiv v1预印本：方法、八项任务比较、正确性测试、资源估算及限制。研究报告，并非硬件执行结果。
- [利用Claude设计更高效的量子电路](https://www.anthropic.com/research/designing-efficient-quantum-circuits) — 作者的解释性介绍。描述53小时的搜索以及模逆运算的取舍；对未来计算机的影响属于推测。