相关研究成果于 2026 年 10 月 16 日发布，题为《利用大型语言模型发现最先进的量子电路》的配套论文已于前一天刊登在 arXiv 上。
量子计算机需在受限硬件上运行实用算法，因此对电路设计要求极高。研究团队向 Claude 提供了来自化学、优化、物理模拟和数论领域的八种电路自然语言规范，并配备自动评估器对每个设计方案进行检查和评分。
Claude 在很大程度上独立工作，识别出优于现有最佳电路的设计方案，部分改进幅度达数量级级别，大幅降低了有用应用所需的量子资源。
AI 驱动搜索实现效率跃升
该方案基于进化框架：Claude 使用 Python 提出电路设计，独立评估器验证正确性，并根据 Toffoli 门数量和峰值量子比特使用情况进行评分。反馈循环在迭代间无需人工干预即可自动完成。
在八个任务中，七个任务的电路设计显著减少了 Toffoli 门和量子比特数量。第八个任务中，搜索产生了一种用于素域模逆运算的新可逆架构：该设计虽多使用 12% 的量子比特，但门数量比此前最小版本少 17 倍。
在解码量子干涉测量中的里德 - 所罗门解码器这一关键优化场景中，Claude 将算法从扩展欧几里得算法切换至 Berlekamp-Massey 解码，通过重构临时值而非存储、按实际需求而非最坏情况调整内存，使成本最高步骤比 Google 此前的构建便宜约 12 倍。
不同任务收益各异：定点高斯算术资源成本下降 39 倍，HHL 旋转角准备减少 32 倍，库仑势计算提高 9.9 倍，晶格规范模拟和 Fe2S2 选择步骤分别取得 7.7 倍和 4.1 倍的收益。
该项目由 Anthropic STEM 研究员 Andi Gu 领导，量子物理学家 Alek Kemeny 提供指导，哈佛大学 Susanne Yelin 及 Mikhail Lukin（兼属 QuEra Computing）参与合作。
此举标志着电路优化从手动向 AI 自动化的转变。此前人类主导的重设计已将模拟 FeMoco 铁硫簇的 Toffoli 门需求从 2017 年估计的 50 万亿降至约 3.4 亿，如今 AI 以更高速度自动化了这一探索过程。
针对 Claude 有时表现出的过度谨慎，研究人员通过提示更广泛探索加以应对。在一个案例中，模逆设计经 53 小时自主运行后得出。模型还推导出新代数恒等式，并在 Lean 中形式化证明，验证了其无存储分支历史的可逆 divsteps 实现。
这些设计扩展了量子比特与运行时权衡的帕累托前沿。一个完整基准测试电路使用了约 400 万个 Toffoli 门和 935 个量子比特。论文指出，短期内没有进一步的搜索计划。
【星途科讯 图文丨 Patrick 首发于 ZAKER 科技，转载请注明出处】
