北京
量子电路设计这件事，最近出现了一个挺有意思的进展。Anthropic 的 Claude Mythos 5 设计出了一套量子电路方案，和早先的做法相比，用的门数量少了 17 倍。这意味着什么？工程师在跑那些吃资源的量子算法时，可能不需要那么多计算资源了。
更关键的是，它碰的是量子计算里一个老大难的工程问题：怎么在存储需求和运算时间之间找平衡。
53小时，没人插手
这套设计来自一次长达 53 小时的实验，由研究员 Andi Gu 牵头，通过 Anthropic 的 STEM Fellows Program 进行。Claude 开发了一套用于椭圆曲线计算的可逆算术算法，哈佛大学和 QuEra Computing 的研究人员也参与了这项工作。
研究结果给出的信号是：自动化的电路设计，或许能加快实用量子计算到来的速度。注意，是"或许"。
为什么量子电路这么难搞
先说清楚背景。量子计算机靠量子比特处理信息，量子比特可以通过叠加态同时表示多种状态组合。但现实是，现有的机器只有几百到几千个量子比特，而且环境干扰会在计算过程中引入错误。
所以工程师必须把量子电路做得尽可能高效。每一次操作都要消耗计算资源，存中间结果又要占用额外的量子比特。更麻烦的是，量子电路不能随便把临时信息丢掉——因为它的操作必须保持可逆。
这就好比你在草稿纸上算一道复杂的题，每一步都不能擦掉，因为最后要能原路倒推回去验证。草稿纸就那么大，你说难不难。
八个模块，逐个优化
Anthropic 给 Claude 布置的任务，是优化化学、物理模拟、优化问题、数论和数值计算这几个领域的八个计算构建模块。每个设计都由自动化评估器检查正确性，并对其资源需求打分。
Claude Mythos 5 的做法是反复进行"设计—测试"循环，在每一轮之间不需要人类介入，自己迭代改进方案。它的结果比之前公开发表的设计更好，有些地方的资源缩减达到一个数量级甚至更多。
一个特别值得说的结果：模逆运算
在所有结果里，有一个格外值得关注——模逆运算，这是椭圆曲线算术里用到的一种数学操作，在针对椭圆曲线离散对数问题的量子算法中扮演核心角色。
Claude 把注意力放在一个叫 divsteps 的算法上。这个算法通过反复的条件操作来简化数值。经典计算机执行这个方法很高效，但把它翻译成量子电路，就会撞上一个严重的存储问题。
原因还是那个"可逆"的要求：可逆电路必须保留足够的信息，才能重建每一个计算步骤。divsteps 需要记录它的分支决策，这可能会消耗数量惊人的额外量子比特。
Claude 找到的办法是：直接从中间数值里恢复那些决策。它推导出数学恒等式来建立这个方法，通过数值模拟做了测试，还用 Lean 形式化验证了正确性。
最终得到的电路，不再需要存储完整的分支决策历史。Claude 随后还探索了混合设计——存一部分信息，重建剩下的部分。
多花12%的量子比特，省下17倍的门
其中一套设计比此前最小的方案多用了 12% 的量子比特，但需要的门数量少了 17 倍。这个取舍，给那些在有限量子硬件上干活的工程师多了一种选择。
Anthropic 还报告了其他电路设计任务的改进。其中一项优化，把某个主流量子优化算法中最昂贵的一步，成本降低了大约 12 倍。
从50万亿到3.4亿
这些结果背后，是多年来在降低量子计算资源需求上的持续进展。研究人员曾在 2017 年估算，模拟 FeMoco（一种参与生物固氮的铁硫簇）的基态能量，大约需要 50 万亿个 Toffoli 门。
后续的进展把这个估算降到了大约 3.4 亿个门，缩减幅度约 15 万倍。Anthropic 认为，自动化的电路优化可能有助于加速类似的进展。
但别急着高兴
重要的障碍依然存在。量子计算机仍然需要更好的纠错能力、可靠的硬件控制，以及能在长时间计算中管理脆弱量子比特的系统。
即便如此，AI 设计的电路，或许能帮研究人员更高效地使用未来的量子机器。是"或许"，不是"一定"。这条路还长着呢。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
