Claude给8类量子任务设计电路，7项比已发表的最优方案更省

Anthropic在10月16日发布一项研究：让Claude为8类量子计算任务设计电路，结果有7类的方案比此前发表的最优设计更省资源，部分任务的门数降了一个数量级。8项任务取自数论、化学、物理模拟、优化与数值计算几个方向。评测的成本指标是两个数的乘积——需要多少量子比特，需要多少量子门，门数按Toffoli门这类三比特逻辑门计。

流程是一个闭环。研究人员用通俗语言把每项任务描述给Claude，Claude写出具体的Python实现，自动评估器先检验电路是否正确，再按比特数乘门数打分，分数回传给Claude，它据此改进，下一轮再来。整个迭代过程中，人只在最开始给了一份简短说明，中间偶有提示让它把思路放宽一些。

幅度最大的成果在模逆运算上，这是椭圆曲线计算里最贵的一步。Claude给出的新设计门数比此前最小的方案少17倍，代价是多用12%的量子比特。另一项成果在量子优化算法解码环节，把最昂贵的那一步成本压到原来的约十二分之一。

椭圆曲线点加法这一项花了最长时间，Claude自主探索约53小时。它提出的做法是让一个叫divsteps的过程在反向运行时不必保存完整的决策历史，从而省掉大量原本用于反算的门。团队用数值模拟核对了这个公式，并在Lean里完成了形式化证明。

模拟硫化铁分子那项，Claude注意到分子本身的对称性和重复结构，让一部分结果算一次就重复使用；还有几项是发现原有电路里有些昂贵组件只是为了处理极罕见的输入才需要，于是把组件整个去掉重做。这些改进大多不是对现有电路的微调，而是换了一套数学或结构上的思路。

局限也写在研究里。8项任务里有1项没有超过已有设计；门数省下来的同时量子比特可能要多用，而比特在当下硬件上同样是稀缺资源。这项由Andi Gu领衔，属于Anthropic的STEM Fellows计划，合作方包括哈佛量子计划与QuEra，论文已放到arXiv。量子电路设计只是通往容错量子计算机的一环，纠错与硬件控制仍要另想办法。