Claude verkleinert sieben Quantenschaltungen mit Prüfer

Der Anthropic-Forschungsbericht vom 16. Oktober 2026 stellt Schaltungsentwürfe von Claude Mythos 5 für acht Quantenaufgaben vor. Die Arbeit leitete Andi Gu, begleitet von Alek H. Kemeny und in Zusammenarbeit mit Susanne F. Yelin und Mikhail D. Lukin.

Das Preprint vom 15. Oktober 2026 weist für sieben der acht Aufgaben weniger Toffoli-Gatter und weniger benötigte Qubits als bei der jeweiligen Vergleichsschaltung aus. Claude schlug die Entwürfe vor; ein eigenständiges Prüfprogramm testete ihre Funktion und zählte die Ressourcen. Bei der achten Aufgabe entstand eine neue Architektur mit einem anderen Verhältnis zwischen Gatterzahl und Qubit-Bedarf. Die Ergebnisse stammen aus der Prüfung von Schaltungsentwürfen, nicht aus Läufen auf Quantenhardware.

Acht Aufgaben im Vergleich

Toffoli-Gatter stehen hier für einen aufwendigen Teil der logischen Rechenarbeit. Die Qubit-Zahl bezeichnet den höchsten Bedarf während der Ausführung, einschließlich vorübergehend genutzter Qubits. Die folgende Gegenüberstellung nennt für jede Aufgabe die Art der Funktionsprüfung und die beiden Ressourcenwerte: zuerst die Referenz, dann den neuen Entwurf. Bei Aufgaben mit zulässiger Ausfallwahrscheinlichkeit wurde auf Stichproben getestet; bei numerischen Funktionen galt eine Fehlerschranke.

Reed–Solomon-Decoder für DQI: Stichprobenprüfung mit zulässiger Ausfallwahrscheinlichkeit. Toffoli-Gatter: 5,1 Millionen → 440.000; Qubits: 1.938 → 1.837. Beide Werte sinken.
Hermitian-Decoder für DQI: Stichprobenprüfung mit zulässiger Ausfallwahrscheinlichkeit. Toffoli-Gatter: 100 Millionen → 930.000; Qubits: rund 190.000 → 2.395. Die Referenz ist eine von den Forschenden konstruierte einfache reversible Umsetzung, kein zuvor veröffentlichter Schaltungsentwurf.
HHL-Rotationswinkel: Prüfung der numerischen Genauigkeit. Toffoli-Gatter: rund 16.000 → 1.348; Qubits: 300 → 115. Beide Werte sinken.
Coulomb-Potenzial: Prüfung der numerischen Genauigkeit. Toffoli-Gatter: 6.355 → 1.140; Qubits: 252 → 142. Beide Werte sinken.
Gauß-Funktion mit Festkommazahlen: Prüfung der numerischen Genauigkeit. Toffoli-Gatter: rund 24.000 → 1.583; Qubits: 362 → 139. Beide Werte sinken.
Fe₂S₂-Schaltung für Chemiesimulation: Tests gegen eine exakt vorgegebene Zielfunktion. Toffoli-Gatter: rund 55.000 → 15.000; Qubits: 139 → 126. Beide Werte sinken.
Nichtabelsche Gittersimulation: Tests gegen eine exakt vorgegebene Zielfunktion. Toffoli-Gatter: rund 1,3 Millionen → 170.000; Qubits: 1.927 → 1.859. Beide Werte sinken.
Modulare Inversion in einem Schaltkreis für elliptische Kurven: Stichprobenprüfung mit zulässiger Ausfallwahrscheinlichkeit. Der neue vollständige Vergleichsschaltkreis benötigt rund 4 Millionen Toffoli-Gatter und 935 Qubits. Da ältere Konstruktionen Gatter und Qubits unterschiedlich gewichten, weist die Studie hier keinen einzelnen Referenzwert aus.

Die gemeinsame Verbesserung beider Werte sagt noch nichts über eine einheitliche Beschleunigung aus: Beim Reed–Solomon-Decoder fällt vor allem die Gatterzahl, während der Qubit-Bedarf vergleichsweise wenig sinkt. Beim Hermitian-Decoder ist der Abstand zur Referenz groß, doch diese Referenz wurde eigens für den Vergleich gebaut. Die Art der Ausgangsschaltung gehört deshalb zur Einordnung des Ergebnisses.

Was das Prüfprogramm kontrollierte

Der Prüfer machte die Suche nach neuen Entwürfen erst auswertbar. Claude schrieb Programme, die Schaltungen erzeugten, und erhielt nach jedem Test konkrete Rückmeldungen. Das Prüfprogramm kontrollierte für die getesteten Eingaben den geforderten Ausgabewert, unveränderte Eingaben, die Rückführung temporärer Qubits in ihren Ausgangszustand und die korrekte Phase. Erst für einen gültigen Entwurf ermittelte es Gatterzahl und höchsten Qubit-Bedarf. Als Suchwert diente das Produkt dieser beiden Größen.

Ein zweites Sprachmodell könnte einen Entwurf plausibel finden, ohne seine Ausführung zu kontrollieren. Der programmatische Prüfer verfolgt dagegen die Wirkung der Schaltung nach festen Regeln. Ein richtiger Ausgabewert reicht dabei nicht: Bleibt Information in einem temporären Qubit zurück oder stimmt das Vorzeichen einer Phase nicht, kann eine spätere Quantenrechnung ein anderes Ergebnis liefern.

Diese Prüfung funktioniert für die hier untersuchte Klasse reversibler Schaltungen besonders gut. Ihre Wirkung auf einen gewählten Eingang lässt sich klassisch verfolgen, ohne den vollständigen Quantenzustand zu simulieren. Bei großen Eingabemengen wurden jedoch Stichproben statt sämtlicher möglicher Eingaben geprüft. „Exakte Zielfunktion“ bedeutet bei den entsprechenden Aufgaben, dass für einen getesteten Eingang keine Abweichung erlaubt ist; es bedeutet keine vollständige Durchmusterung aller Eingaben.

Woher die Einsparungen stammen

Beim Reed–Solomon-Decoder wechselte die Suche vom erweiterten euklidischen Algorithmus zum Berlekamp–Massey-Verfahren. Dessen gleichförmige Rechenschritte passen besser zu einer Quantenschaltung, die für unterschiedliche Eingaben dieselbe feste Folge von Gattern bereitstellen muss. Zusätzlich rekonstruiert der Entwurf einen großen Teil früherer Zwischenergebnisse aus dem aktuellen Zustand, statt die gesamte Rechenhistorie in Qubits aufzubewahren.

Auch bei den numerischen Aufgaben änderte sich mehr als die Anzahl einzelner Gatter. Die Entwürfe organisieren Näherungsrechnungen und die vorübergehend benötigten Register neu. Bei der Chemiesimulation nutzen sie wiederkehrende Struktur, um Ergebnisse erneut zu verwenden. Entscheidend ist jeweils das Zusammenspiel von Rechenverfahren und reversibler Umsetzung: Eine kürzere klassische Rechnung spart im Quantenkreis nur dann Ressourcen, wenn auch ihre Zwischenergebnisse mit vertretbarem Aufwand wieder entfernt werden können.

Die modulare Inversion folgt einer anderen Abwägung

Für Berechnungen mit elliptischen Kurven entwickelte die Suche eine reversible Umsetzung des Verfahrens „divsteps“. Sie kann Entscheidungen früherer Rechenschritte aus dem aktuellen Zustand zurückgewinnen und muss daher weniger davon speichern. Dieses Wiederherstellen kostet seinerseits Gatter. Ein Entwurf aus der entstandenen Familie benötigt gegenüber der kleinsten älteren Variante 12 Prozent mehr Qubits, aber 17-mal weniger Gatter.

Deshalb gehört diese Aufgabe nicht zu den sieben Fällen mit einer gleichzeitigen Senkung beider Messwerte. Welche Variante auf einer konkreten Maschine vorzuziehen wäre, hängt unter anderem von Fehlerkorrektur, Laufzeit und verfügbarem Qubit-Bestand ab. Das in der Studie verwendete Produkt aus Gatterzahl und Qubits ist ein einheitliches Ziel für die Suche, aber keine Messung der Laufzeit auf realer Hardware.

Was für die praktische Wirkung noch zählt

Eine KI-basierte Begutachtung bei Pith hebt die vollständige Zustandsprüfung hervor, weist aber auf eine offene statistische Frage hin: Das Preprint legt nicht eindeutig dar, ob die angegebenen abschließenden Stichproben von jeder Rückmeldung während der Suche getrennt waren. Das betrifft besonders Entwürfe, die seltene, teure Eingaben innerhalb einer erlaubten Ausfallwahrscheinlichkeit ausklammern. Die Begutachtung ist keine unabhängige Wiederholung der Experimente.

Für vollständige Quantenalgorithmen kommt eine weitere Kostenebene hinzu: Die Schaltungen müssen zusammen mit Fehlerkorrektur und den übrigen Bausteinen bewertet werden. Erst solche Gesamtrechnungen auf Basis einer konkreten Hardwarearchitektur können zeigen, ob die geringeren Ressourcenwerte die Ausführung einer nützlichen Anwendung tatsächlich näherbringen.

Lesen Sie auch: