Anthropic：Claude 自主重设计 8 个量子电路，单个设计门数最多降 17 倍，纠错解码器比谷歌方案少 12 倍门

先把方法和边界说清楚。Anthropic 的研究页写着：他们给 Claude 八个量子电路的纯文字规格，取自化学、优化、物理模拟和数论，并配一个自动评测器检查并给每个设计打分。打分标准很直白——用到的量子比特数乘以门数，作为运行时间的代理指标。Claude Mythos 5 在闭环里自己提出设计、拿反馈、改下一次，中间没有人工介入。评测器能这样用，是因为这类量子算法对每个输入都有确定输出，普通计算机可以验证对错；而电路本身可以写成代码，正好落在模型的强项上。论文共 46 页，2026 年 10 月 15 日提交到 arXiv（2610.22367），作者是 Andi Gu、Alek H. Kemeny、Susanne F. Yelin、Mikhail D. Lukin。

第一个具体成果是模逆，也就是椭圆曲线计算里最贵的那一步。经典算法里有 divsteps 这种办法，在普通计算机上很成功，但在量子电路里一直做不出实用版本，原因是可逆性约束：divsteps 每一轮选择哪个操作，会产生一段「分支信息」，普通程序可以直接丢掉，量子电路却必须留着才能倒着算回去，于是要多存一大堆量子比特。模型给出的解法是：不存，改成从每轮迭代后的那对数里直接推断（解码）出分支信息，让数字本身充当记录。这样就省掉了历史记录所需的比特。

第二个成果在量子优化算法 DQI 的解码器上。DQI 靠准备一个「好解更容易被读出」的量子态来工作，其中最贵的一步是用纠错解码器从一段紧凑摘要里恢复错误列表，此前最好的量子电路用的是扩展欧几里得算法。模型判断这套算法不适合量子电路——普通程序可以针对每个输入走不同路径，量子电路一次处理大量输入，只能用一条固定的门序列，所以旧设计被迫把计算拉长到远超任何单个输入所需的轮数，每一轮还得把所有操作都跑一遍。模型改成围绕 Berlekamp–Massey 解码组织电路，这种解码每轮做同一类步骤、轮数固定，天然适配固定门序列。

数字都在原文里，别抄漏。模逆那族设计里，有一个相比此前最小的设计多用 12% 的量子比特，但门数少 17 倍；整体上这族设计把「量子比特数 × 运行时间」的帕累托前沿往外推了。DQI 解码器这边，节省来自三层改动：换方法（扩展欧几里得换成 Berlekamp–Massey）、换架构（重建临时值而不是存储它们）、换资源预算（实测到底需要多少内存与计算）。资源预算那块最能说明问题：按最坏情况预留、最多 35 轮出现异常值，需要 665 个量子比特；模型写了个高速模拟器跑了 4.03 亿次采样解码，发现几乎每次最多只需要保存一个值，于是只留 19 个量子比特，约一万次运行有一次需要更多而失败——这在该任务允许的错误率之内。三者叠加，解码器门数相对谷歌此前构造少了 12 倍。

还有一层背景值得知道，因为它解释了为什么这些数字重要。Anthropic 在文中提到 FeMoco（固氮酶核心的铁硫簇）这个例子：2017 年研究者的估计是要算它的基态能量需要约 50 万亿个 Toffoli 门；经过一系列算法改进，这个估计降到约 3.4 亿门，相当于 15 万倍的下降，对应未来一台约 300 万物理量子比特的机器跑几小时。这些下降主要来自重新设计电路，而不是硬件变好——电路优化的收益是实打实的。另外，模逆那个点加任务的探索用了 53 小时，人工介入仅限于最初的简报和偶尔提示「再想宽一点」。

边界必须写清楚，否则容易被读成「量子计算提前实现了」。第一，这是厂商自己发布的研究，论文是 arXiv 预印本（2026-10-15 提交），尚未见同行评审记录；评测器由 Anthropic 自己编写，虽然它是程序化打分、可复现，但不等于独立第三方基准。第二，覆盖范围只有八类基础运算原语，属于可被高效验证的那一类量子算法，作者自己也说这不是全部量子算法。第三，全部结果都在模拟器与门计数层面，没有在任何真实量子硬件上运行，所以数字是资源估计而非实测运行时间。第四，比较基准是「此前公开发表的最好电路」，改进大小取决于基线选择；那个「12% 更多量子比特换 17 倍更少门」的点是帕累托前沿上的一个取舍，不是全面胜出。第五，约万分之一失败率虽在任务允许范围内，但它是统计采样得出的结论，换任务要重新验证。