利用Claude设计更高效的量子电路

Anthropic 让 Claude 独立设计量子电路，部分方案比已发表最优结果提升一个数量级 量子计算长期面临一个尴尬现实：硬件上的量子比特数量有限，且极易受热、振动甚至宇宙射线干扰，任何微小扰动都会让计算结果出错。因此，如何用更少的量子比特和更短的运算时间完成有用算法，成为该领域最核心的工程难题之一。Anthropic 近日公布了一项实验：他们向 Claude 提供八份用自然语言描述的量子电路规格，覆盖化学、优化、物理模拟和数论等领域，并配以自动评估器对每个设计进行校验和打分。Claude 在基本独立工作的情况下，找到了优于已发表最佳电路的方案，部分提升幅度达到一个数量级甚至更多。这意味着实用量子计算机的到来可能比此前预期更早。 这项工作的背景是量子算法长期依赖人工反复优化。以模拟固氮酶核心铁硫簇 FeMoco 为例，2017 年研究者估计需要约 50 万亿个 Toffoli 门才能计算其基态能量，经过一系列算法改进后，这一数字已降至约 3.4 亿，缩减约 15 万倍，对应未来约 300 万物理量子比特机器上数小时的运算。这些缩减主要来自电路设计的重新优化，而非硬件本身的进步。Anthropic 此前已发现 Claude 在优化经典算法方面表现突出，于是想验证：如果只给自然语言描述，它能否在量子算法上复现同样的能力。Claude 的优势在于，量子电路本质上可以用代码描述，而代码正是其强项——它可以像写普通程序一样编写、运行并修改电路设计。该研究由 Andi Gu 在 Anthropic 的 STEM Fellows 计划下主导，Alek Kemeny 提供指导，并与哈佛大学 Susanne Yelin 和 Mikhail Lukin（同时任职于 QuEra Computing）合作完成，完整论文已发布在 arXiv 上。对于中国跨境电商卖家和 AI 从业者而言，这一进展的启示在于：大模型在高度专业化的工程优化任务中，正从辅助工具转向独立发现者，未来在物流路径优化、供应链调度等场景中，类似能力可能直接转化为成本优势。