Anthropic روز ۱۶ اکتبر ۲۰۲۶ اعلام کرد که Claude تقریباً بدون دخالت انسان مدارهای کوانتومی‌ای طراحی کرده که در مجموعه‌ای از هشت مسئله مرجع، به کیوبیت و گیت منطقی کمتری از بهترین طراحی‌های منتشرشده تاکنون نیاز دارند. این پروژه را اندی گو در چارچوب برنامه STEM Fellows این شرکت هدایت کرده و الک کمنی، فیزیک‌دان کوانتومی Anthropic، به همراه سوزان یلین و میخائیل لوکین از دانشگاه هاروارد در آن مشارکت داشته‌اند؛ لوکین با شرکت QuEra Computing نیز همکاری دارد. مقاله ۴۶ صفحه‌ای این پژوهش روز ۱۵ اکتبر با شناسه arXiv:2610.22367 منتشر شد.
روش کار یک چرخه بسته است. Claude Mythos 5 برای هر مدار شرحی به زبان ساده دریافت می‌کرد و پیاده‌سازی‌هایی به زبان پایتون می‌نوشت؛ یک برنامه ارزیاب مستقل درستی هر طرح را بررسی می‌کرد و امتیازی برابر با حاصل‌ضرب تعداد کیوبیت‌ها در تعداد گیت‌ها، که شاخصی از زمان اجراست، به آن می‌داد؛ سپس مدل با تکیه بر این امتیاز دوباره تلاش می‌کرد، بی‌آنکه انسانی میان دورها دخالت کند. این هشت جزء پایه، حوزه‌های محاسبات عددی، شیمی، بهینه‌سازی، شبیه‌سازی کوانتومی و نظریه اعداد را پوشش می‌دهند. طبق چکیده مقاله، در هفت مسئله از هشت مسئله، مدارهای کشف‌شده هم تعداد گیت‌های Toffoli و هم تعداد کیوبیت‌ها را نسبت به بهترین روش‌های موجود به‌طور چشمگیری کاهش داده‌اند و در مسئله هشتم، جست‌وجو به معماری برگشت‌پذیر تازه‌ای برای وارون‌سازی پیمانه‌ای در میدان‌های اول رسیده است.
بهینه‌سازی مدار کوانتومی دشوار است، زیرا مدار نمی‌تواند مانند برنامه معمولی انشعاب داشته باشد و نتایج میانی را هم نمی‌تواند به‌سادگی دور بریزد. هر گام باید برگشت‌پذیر باشد؛ پس محاسبات کمکی یا باید با هزینه گیت‌های بیشتر خنثی شوند یا با هزینه کیوبیت‌های بیشتر نگه داشته شوند. Claude باید همین بده‌بستان را جابه‌جا می‌کرد.
نمونه اصلی، جمع نقاط روی منحنی بیضوی است؛ معیاری رایج، چون بیشترین هزینه حمله‌های کوانتومی به مسئله لگاریتم گسسته روی این منحنی‌ها را تشکیل می‌دهد. گران‌ترین مرحله آن وارون‌سازی پیمانه‌ای است. روشی کلاسیک به نام divsteps روی رایانه معمولی کارآمد است، اما تاکنون به مدار کوانتومی عملی نرسیده بود، چون نسخه برگشت‌پذیر آن باید کل تاریخچه شاخه‌های طی‌شده را ذخیره کند. Claude پس از ۵۳ ساعت اجرا با کمترین راهنمایی پیشنهاد داد این اطلاعات از خود جفت اعداد بازیابی شود، اتحادهای جبری تازه‌ای را برای رسیدن به قاعده دقیق رمزگشایی اثبات کرد، آن را با شبیه‌سازی‌های گسترده آزمود و در Lean صوری‌سازی کرد. به گفته Anthropic، این نخستین پیاده‌سازی برگشت‌پذیر divsteps بدون ذخیره تاریخچه شاخه‌هاست. Claude سپس با تعیین اینکه کجا ذخیره کردن از رمزگشایی ارزان‌تر است، خانواده‌ای از طرح‌ها ساخت؛ یکی از آن‌ها ۱۲ درصد کیوبیت بیشتر اما ۱۷ برابر گیت کمتر از کوچک‌ترین طرح پیشین مصرف می‌کند.
نتیجه دوم به تداخل‌سنجی کوانتومی رمزگشایی‌شده (DQI) مربوط است؛ راهی که یکی از نامزدهای دستیابی به شتاب فراچندجمله‌ای در مسائل بهینه‌سازی به شمار می‌رود و پرهزینه‌ترین مرحله آن رمزگشایی Reed-Solomon است. Claude الگوریتم اقلیدسی توسعه‌یافته را با رمزگشایی Berlekamp-Massey جایگزین کرد، بیشتر مقادیر موقت را به جای ذخیره بازسازی کرد و با شبیه‌سازی ۴۰۳ میلیون رمزگشایی، به جای ذخیره ۶۶۵ کیوبیتی برای بدترین حالت، تنها یک ذخیره ۱۹ کیوبیتی در نظر گرفت و حدود یک شکست در هر ۱۰ هزار اجرا را که در محدوده مجاز مسئله است پذیرفت. به گفته Anthropic، این رمزگشا ۱۲ برابر گیت کمتری از طرح پیشین گوگل نیاز دارد.
Anthropic این دستاورد را با روند کند برآوردهای پیشین مقایسه می‌کند: تعداد گیت‌های لازم برای شبیه‌سازی خوشه FeMoco، هسته یک آنزیم باکتریایی، از حدود ۵۰ تریلیون گیت Toffoli در سال ۲۰۱۷ با هشت سال کار گروه‌های متعدد به حدود ۳۴۰ میلیون رسید، در حالی که طرح منحنی بیضوی حاصل یک اجرای ۵۳ ساعته بود. این شرکت می‌گوید همین رویکرد مبتنی بر ارزیاب را می‌توان به کدهای تصحیح خطا، رمزگشاها و کنترل سخت‌افزار هم گسترش داد.
محدودیت‌ها روشن است. به گزارش Anthropic، Claude در آزمایش‌های اولیه محافظه‌کار بود، بارها در پیشرفت‌های خود تردید می‌کرد و روش‌های آشنا را ترجیح می‌داد؛ از این رو پژوهشگران او را ملزم کردند چند رویکرد متفاوت را هم‌زمان دنبال کند و گاهی به جست‌وجوی گسترده‌تر ترغیبش کردند. نتایج، برآورد منابع برای رایانه‌های کوانتومی مقاوم در برابر خطای آینده است، نه اجرا روی سخت‌افزار واقعی، و اینکه محاسبات کوانتومی کاربردی زودتر از انتظار برسد، پیش‌بینی خود Anthropic است. مقاله هنوز پیش‌انتشار است و تا زمان انتشار این گزارش، تکرار مستقلی از نتایج یافت نشد.