«В 12 раз меньше гейтов и 19 кубитов вместо 665»: Claude Mythos 5 спроектировал новые квантовые схемы

Что именно объявила Anthropic

Публикация от 16 октября 2026 года на сайте Anthropic Science описывает эксперимент: Claude получил словесные спецификации восьми квантовых схем из химии, оптимизации, физического моделирования и теории чисел, а также внешний вычислитель, который проверяет корректность и оценивает каждую конструкцию. По формулировке самой работы, в семи из восьми задач найденные схемы существенно сокращают и число гейтов Тоффоли, и число кубитов относительно лучшего известного уровня, а восьмой задачей стала обратимая модульная инверсия, где найдена новая архитектура в силу самого способа работы с обратимостью.

Работу вёл Andi Gu в рамках программы Anthropic STEM Fellows при научном руководстве Alek Kemeny, специалиста по квантовой физике в Anthropic; соавторы — Susanne Yelin (Гарвардский университет) и Mikhail Lukin (Гарвардский университет и QuEra Computing). Полный текст — «Discovering state-of-the-art quantum circuits with large language models», preprint на arXiv, отправленный 15 октября 2026 года.

Имена моделей, методы и математические процедуры в публикации названы прямо: это Claude Mythos 5; ключевые приёмы — обратимая модульная инверсия на divsteps, декодирование по методу Berlekamp–Massey и проверка формулы в Lean.

Как устроен цикл: код, независимая проверка и один балл

Схема описывается кодом, поэтому её можно писать, запускать и править как обычную программу; выбранный класс алгоритмов к тому же эффективно проверяется — каждый вход даёт один определённый выход, который может посчитать и проверить обычный компьютер. Это позволило вынести оценку корректности за пределы модели: внешний вычислитель подтверждает правильность предложенной реализации и считает её цену.

Цена сведена к одному объективному баллу — произведению числа используемых кубитов на число гейтов, которое публикация называет прокси для времени работы схемы. Рисунок цикла в публикации описывает порядок так: Claude пишет реализацию на Python, вычислитель проверяет корректность и выставляет оценку, а оценка возвращается модели для следующей попытки — без человеческого шага между раундами.

Отдельно объясняется, почему задача тяжела именно для квантовых схем. Первое ограничение: схема не может принимать решения «если — то» по ходу вычисления, потому что она работает на суперпозиции многих входов сразу и обязана нести операции для обеих ветвей. Второе: схема не может выбрасывать информацию, поскольку каждый её шаг обратим, и остаточные промежуточные данные приходится «развычислять» обратным проходом, платя за это дополнительными гейтами. Отсюда компромисс между пространством и временем: слишком раннее развычисление экономит кубиты, но заставляет считать заново, слишком позднее — требует держать много промежуточных значений.

Первая находка: обратимая модульная инверсия без истории ветвлений

Большая часть стоимости сложения точек на эллиптической кривой приходится на модульную инверсию; на обычных компьютерах её выполняют методом divsteps, который на каждом раунде условно меняет пару чисел местами, складывает, вычитает или делит пополам. Проблема в том, что классический divsteps хранит запись о выбранной на каждом шаге операции — так называемую информацию о ветвлении, — а квантовая схема обязана сохранять эту запись, чтобы пройти вычисление назад; прямой перенос на квантовый компьютер требовал огромного числа дополнительных кубитов и потому не был практичным.

Claude нашёл обход: запись можно не хранить, а восстанавливать по самим числам после итерации. Простые правила восстановления работали на малых примерах, но провалились на полном размере — 256-битных числах; тогда модель пошла теоретическим путём, сформулировала и доказала ряд результатов об итерационном процессе, включая несколько новых алгебраических тождеств, и вывела из них точную формулу восстановления, проверив её сначала масштабным численным моделированием, а затем формализацией в Lean.

Итог — первая обратимая реализация divsteps без сохранения истории ветвлений. Дальше Claude построил семейство решений, варьируя порог, при котором дешевле сохранить запись, чем восстановить её: одна из схем семейства против самой маленькой прежней использует на 12% больше кубитов, но в 17 раз меньше гейтов, а само семейство расширяет границу Парето по сочетаниям «кубиты — время». Сравнение идёт с прежними опубликованными конструкциями Schrottenloher (2026) и Luo et al. (2026). По формулировке работы, архитектура делает divsteps, ранее непрактичный для обратимой целочисленной арифметики, жизнеспособным и существенно улучшает соотношение между гейтами Тоффоли и кубитами.

Вторая находка: декодер для DQI дешевле в 12 раз

DQI (decoded quantum interferometry) назван одним из главных кандидатов на сверхполиномиальное квантовое ускорение — преимущество, которое быстро растёт с размером задачи: алгоритм готовит состояние, в котором удачные решения выпадают при измерении чаще неудачных, а самая дорогая его часть — декодирование с исправлением ошибок.

Прежняя схема обрабатывала синдромы расширенным алгоритмом Евклида — последовательностью делений и перестановок, число и порядок шагов которой зависят от конкретного входа. Квантовой схеме приходится обслуживать все входы сразу одной фиксированной последовательностью гейтов, поэтому прежнюю конструкцию растягивали на много лишних раундов и в каждом раунде выполняли все операции, даже ненужные. Claude решил, что расширенный алгоритм Евклида для схемы плохо подходит, и перестроил декодер на метод Berlekamp–Massey, где шаг одинаков во всех раундах и число раундов фиксировано.

Обратимость вернула ту же проблему: промежуточные значения раунда нужны лишь ненадолго, но удалить их нельзя — чтобы развычислить позднее, схема должна уметь их восстановить, а хранить всё было бы чрезмерно дорого. Claude снова восстановил почти всё из текущего состояния схемы, однако несколько исключительных значений пришлось сохранять; резерв на худший случай, когда исключение возникает в 35 разных раундах, требовал 665 кубитов. Вместо этого модель написала быстрый симулятор и провела 403 миллиона пробных декодирований, чтобы измерить реальную частоту исключений: почти всем прогонам хватает одного сохранённого значения, то есть 19 кубитов, и лишь примерно одному прогону из 10 000 нужно больше — это укладывается в допускаемую задачей ошибку.

Суммарно это сократило число гейтов декодера в 12 раз относительно прежней конструкции Google. Улучшение пришло сразу на трёх уровнях: другой метод вместо расширенного алгоритма Евклида, другая архитектура схемы с восстановлением временных значений вместо их хранения и другой бюджет ресурсов, измеренный точно, а не взятый по худшему случаю. Масштаб ставки назван числами: по оценкам исследователей Google Quantum AI, одна конкретная задача OPI заняла бы около трёх месяцев на суперкомпьютере Frontier против примерно часа на будущем квантовом компьютере с DQI, и большая часть этого часа ушла бы именно на декодирование Рида — Соломона.

Контекст: почему это считают важным

Показательный пример в публикации — моделирование FeMoco, железо-серного кластера в центре нитрогеназы, с помощью которой бактерии превращают атмосферный азот в аммиак. В 2017 году оценка требовала около 50 триллионов гейтов Тоффоли для расчёта энергии основного состояния, а после серии алгоритмических улучшений она опустилась примерно до 340 миллионов, то есть примерно в 150 000 раз, что соответствует нескольким часам счёта на будущей машине с примерно тремя миллионами физических кубитов. Сокращения дали не улучшения аппаратуры, а перепроектирование схем.

Обе оценки относятся к одной и той же 54-орбитальной модели FeMoco: оценка 2017 года — по Reiher et al., сводка — по Low et al. (2025), таблица 1; промежуточные оценки дали Berry et al. (2019), von Burg et al. (2021), Lee et al. (2021) и Rocca et al. (2024).

Масштаб усилий тоже назван прямо: путь от 50 триллионов гейтов до 340 миллионов занял у многих исследовательских групп восемь лет, где каждый шаг обычно означал месяцы работы, тогда как конструкция для эллиптических кривых получена за один прогон длительностью 53 часа с минимальным участием человека — начальной постановкой и отдельными подсказками смотреть шире.

Ограничения, о которых говорит сама Anthropic

Авторы перечисляют наблюдённые слабости без смягчения: в ранних экспериментах Claude был консервативен, многократно перепроверял уже подтверждённые улучшения и предпочитал известные подходы более новым. Осторожность иногда помогала — именно она подтолкнула модель написать доказательства в Lean для схемы divsteps, — но мешала идти к неочевидным решениям.

Против этого применили два приёма: постановка требовала предлагать несколько качественно разных подходов и развивать их параллельно, а модель иногда отдельно просили расширить поиск; результат по эллиптическим кривым появился не шлифовкой готовой схемы, а новым способом обратимой модульной инверсии с последующим выводом нужных математических результатов, после чего модель уже самостоятельно развила подход, реализовала его и проверила корректность.

Отдельно сказано, что проектирование схем — лишь часть квантового компьютера: кубиты хрупки, машина должна ловить и исправлять собственные ошибки, и это зависит от кодов исправления ошибок, быстрых декодеров и управления самой аппаратурой; компоненты влияют друг на друга, но обычно проектируются порознь. Как возможность, а не как результат, авторы называют совместную оптимизацию всех компонентов силами ИИ — от алгоритма до аппаратуры, под конкретную задачу.

Чего это сообщение не доказывает

Ни одна из схем не исполнена на реальном квантовом компьютере: публикация говорит о числе кубитов и гейтов, то есть о цене вычисления, а не о запуске на физической машине.

Все сравнения идут с опубликованными конструкциями и по собственному вычислителю Anthropic: корректность и оценку выставляет внешняя программа, но её написали и настроили авторы работы, а независимой проверки их оценок со стороны в публикации нет.

Улучшение «в 12 раз» относится к числу гейтов одного конкретного шага — декодера Рида — Соломона в DQI, а не к ускорению алгоритма целиком. Так же и «в 17 раз меньше гейтов» у одного представителя нового семейства требует на 12% больше кубитов: это обмен одного ресурса на другой, а не бесплатный выигрыш.

Утверждение, что практические квантовые компьютеры могут появиться раньше, чем предполагалось, — это прогноз авторов работы, основанный на их же схемотехнических оценках, а не измеренный результат.

Допущение о частоте исключений в декодере опирается на 403 миллиона смоделированных декодирований и оценку, что примерно один прогон из 10 000 выходит за отведённый резерв; это модельный расчёт, а не поведение реальной машины.