八個電路多數刷新紀錄
Anthropic 在 2026 年 10 月 16 日發表研究：量子電腦要在硬體有限時跑出有用演算法，電路必須盡量省。研究團隊給 Claude 八個電路的自然語言規格（來自化學、最佳化、物理模擬與數論），以及一個會檢查正確性並打分的自動評分器。
官方寫道，Claude 大致獨立工作後，找到的設計在量子資源上勝過當時最好的已發表電路，有些差距達到一個數量級以上。他們認為這類改進會明顯降低實用應用所需的量子資源，實用量子電腦可能比先前預期更早到來（官方措辭為「could arrive sooner」）。
完整論文放在 arXiv（2610.22367），標題為 Discovering state-of-the-art quantum circuits with large language models。摘要寫道：八個任務中有七個，發現的電路明顯減少 Toffoli 閘與量子位元數量；第八個則發現一種新的可逆模逆架構。工作由 Andi Gu（STEM Fellows）主導，Alek Kemeny 指導，並與哈佛大學的 Susanne Yelin、Mikhail Lukin（兼 QuEra）合作。
閉環：設計、評分、再改
官方說明，這類量子演算法可用普通電腦驗證「每個輸入對應一個確定輸出」，因此能讓外部評分程式檢查 Claude 的提案。分數的代理指標是：量子位元數 × 閘門數。Claude Mythos 5 在閉環中提出設計、收到回饋與分數，再改進下一輪，回合之間沒有人工介入。
改進來自新的結構或數學洞察，而不是微調舊設計。例如模擬硫化鐵分子時，Claude 發現可利用對稱與重複結構，把部分結果算一次再重用。
背景數字（皆來自 Anthropic 文章）：目前量子機通常只有數百到數千個量子位元。以模擬固氮酶核心 FeMoco 為例，2017 年估計約需 50 兆（50 trillion）個 Toffoli 閘；經過多年演算法改進，估計降到約 3.4 億個閘，大約減少 15 萬倍，對應未來約 300 萬個物理量子位元、數小時運算。這些下降主要來自重新設計電路，而非只升級硬體。
橢圓曲線與 12 倍解碼器
文章詳述兩項發現：
橢圓曲線點加法／模逆：點加法是橢圓曲線離散對數量子演算法的核心步驟。大多數成本來自模逆。古典上有效的 divsteps 方法，若直接做成量子電路，必須保存每一步的分支紀錄，會吃掉大量量子位元。Claude 推導出可從數值對「解碼」分支資訊的公式，並用大規模模擬與 Lean 形式化驗證，做出不必存完整分支歷史的可逆 divsteps。進一步調整「存下來」與「解碼」的門檻後，得到一族設計；其中一個相對最小的舊設計多用 12% 量子位元，但閘門少約 17 倍。橢圓曲線這次結果來自一次約 53 小時、人工介入很少的執行。
DQI 的 Reed–Solomon 解碼：解碼量子干涉（DQI）是少數被認為可能帶來超多項式加速的量子最佳化候選。其最貴步驟是錯誤更正解碼。Claude 改用較適合量子電路的 Berlekamp–Massey 方法，並用模擬（約 4.03 億次樣本）決定只需為罕見例外預留約 19 個量子位元。整體上，解碼器閘門數相對 Google 先前構造減少約 12 倍。
AI 能幫忙、仍有限制
官方結論：AI 現在可以協助重新設計量子電路，這是讓演算法更快、更容易跑的關鍵一步。官方也坦言限制：早期實驗中 Claude 偏保守，會反覆自我懷疑；團隊要求它並行探索多種做法，並偶爾提示它擴大搜尋。電路設計只是容錯量子電腦的一環，還需要糾錯碼、快速解碼器與硬體控制等。
本站詮釋（非來源內容）：這篇研究比較像「AI 當研究助理，在可驗證的閉環裡找更好電路」，不是宣稱量子電腦已經實用。一般讀者不必改任何日常工具；若你追蹤量子軟體或密碼學，值得讀原論文與 Anthropic 說明中的資源表。