Anthropic Research: Designing More Efficient Quantum Circuits with Claude

Quantum Circuit Optimization via AI

Anthropicは、AIモデルが自律的に量子回路を最適化し、以前に公開された設計を上回る効率の向上を達成できることを実証しました。研究者らは、Claudeに平易な言語による仕様と自動検証ループを提供することで、8つの量子計算プリミティブを再設計させ、場合によってはリソース要件を1桁以上削減することに成功しました。このアプローチは、複雑なアルゴリズムを限られたハードウェアに対してより効率的にすることで、実用的な量子コンピューティングの実現時期をAIが加速できる可能性を示唆しています。

可逆量子回路の課題

量子回路の設計は、従来のプログラミングとは大きく異なる「可逆性」という要件によって制約されます。量子システムは情報を破棄すると状態が壊れてしまうため、中間結果を保存する（貴重な量子ビットを消費する）か、論理を逆方向に実行して「計算を取り消す（uncompute）」必要があり、これによってゲート数と実行時間が増加します。空間（量子ビット）と時間（ゲート）の最適なバランスを見つけることが、量子アルゴリズム開発における主要なボトルネックとなっています。

自動最適化ループ

Claude Mythos 5は、化学、数論、最適化などの分野にわたる8つの量子プリミティブの最適化を任されました。研究者らは、ClaudeがPythonで回路設計を提案し、それが外部評価者によって正確性が検証されスコアリングされるという閉ループシステムを利用しました。Claudeはこのフィードバックを使用して、人間の介入なしに設計を反復的に改善しました。

主な発見は以下の通りです：

• モジュラー逆元: Claudeは「divsteps」アルゴリズムの新しい可逆的な実装を開発しました。数値ペアから直接分岐情報をデコードする方法を数学的に導き出すことで、操作の全履歴を保存する必要がなくなり、大幅な量子ビットの節約を実現しました。
• リード・ソロモン復号: 量子最適化において、Claudeは拡張ユークリッドの互除法をBerlekamp–Masseyアプローチに置き換えました。さらに、一時的な値を保存するのではなく再構築することで回路を最適化し、以前の構成と比較してゲート数を12倍削減しました。

知見と限界

Claudeは、冗長な計算を避けるために硫化鉄分子の対称性を特定するなど、斬新な構造的・数学的知見を発見する能力を示しましたが、当初は保守的でよく知られたアプローチに偏る傾向がありました。研究者らは、モデルに質的に異なる複数の設計を並行して探索させ、時には検索範囲を広げるよう促すことで、この問題を軽減しました。

Hacker Newsでのコミュニティの議論では、これらの最適化の技術的な性質が強調され、一部のユーザーからは、このプロセスが量子アセンブリ言語の「コードゴルフ」に似ているという指摘がありました。また、LLMが閉ループ検証環境内で動作できる能力が、こうしたタスクにおける成功の重要な要因であると強調する声もありました。研究の枠組みに関しては懐疑的な見方もありますが、この結果は、将来の耐故障性量子システムに向けて、AIがアルゴリズムとハードウェアの共同最適化を支援できる可能性を浮き彫りにしています。