人工智能在无人类干预下自主优化量子电路，大幅减少量子比特与门数量，提升运行效率，加速实用量子计算落地。
量子计算机虽然威力巨大，但受到量子比特数量少以及易受环境噪声干扰的限制。想要在有限硬件上运行复杂的量子算法，精简量子电路是关键。
过去，简化算法需要顶尖研究团队历经多年探索。例如计算某种生物酶分子基态能量所需的逻辑门数量，通过多年改进从50万亿个降至3.4亿个，缩减了15万倍。
如今，AI模型Claude展示出自主设计量子电路的强大能力。研究人员仅向Claude提供简单语言描述的要求和自动化评估程序，没有进行中间干预。Claude在闭环系统中自行提出电路设计方案，接收评估反馈并不断迭代优化。在涉及化学、优化、量子模拟和数论等领域的8种基础计算任务中，Claude找出了比已知最佳成果更优的电路设计，大幅降低了量子比特和门的使用数量。
在椭圆曲线点加法任务中，核心难点在于模逆元计算。传统计算机可以通过逐步消去的方法高效求解，但量子计算要求所有步骤可逆，导致传统方法必须保存长达数百轮的操作历史记录，消耗海量量子比特。Claude意识到并不需要存储完整历史，而是可以通过分析计算后的数值对直接推导出历史记录。随后它推导出数学公式，并在Python模拟与Lean中完成验证，首次实现了无需存储历史记录的可逆算法。通过灵活平衡存储与推导，Claude设计的电路在仅增加12%量子比特的情况下，将门数量减少至原来的17分之1。
在量子优化领域的求解器中，核心瓶颈在于错误纠正解码器。以往设计采用的扩展欧几里得算法需要根据不同输入执行不同分支，导致电路臃肿。Claude主动改用更适合量子并行特征的算法，并利用高精度的4.03亿次模拟测算出极低异常概率，将原本保留665个量子比特的保守设计缩减至仅需19个量子比特，成功将解码器的门数量降低至谷歌量子人工智能此前设计的12分之1。
这一突破表明，人工智能可以自主从数学原理和结构特征入手，重新构思并设计更高效的量子算法。随着算法运行成本大幅降低，解决药物研发、新能源电池和催化剂设计等重大难题的实用量子计算有望提前到来。
原文：https://www.anthropic.com/research/designing-efficient-quantum-circuits