Claude encontra desenhos de circuitos quânticos mais eficientes
Uma investigação com Harvard, Anthropic e QuEra usa um modelo de IA e avaliação automática para reduzir recursos em oito tarefas. Os resultados melhoram componentes de algoritmos, sem demonstrar uma máquina quântica pronta para aplicações práticas.
Resumo
A IA pode ajudar a reduzir os recursos que futuros computadores quânticos precisarão para executar certos algoritmos. Uma investigação de Harvard, Anthropic e QuEra, submetida ao arXiv a 15 de outubro e apresentada pela Anthropic no dia seguinte, descreve melhorias em oito tarefas de desenho de circuitos com a ajuda do Claude Mythos 5.
O resultado vai além de reescrever código: os autores relatam novas formas de organizar cálculos sob as restrições da computação quântica. Em sete tarefas, os desenhos reduzem simultaneamente o número de qubits, as unidades de informação quântica, e de operações Toffoli. Na oitava, melhoram as opções de compromisso entre esses recursos.
Na prática
O sistema combina propostas do modelo com um programa externo que verifica os desenhos e atribui uma pontuação ao seu custo. Claude escreve implementações, recebe os resultados da avaliação e usa essa informação para procurar alternativas. A classe de circuitos escolhida permite verificar os cálculos em computadores convencionais, sem simular um estado quântico completo a cada tentativa.
Um dos casos envolve inversão modular, uma operação importante em cálculos com curvas elípticas. Segundo a explicação técnica da Anthropic, uma variante usa 12% mais qubits do que o menor desenho anterior, mas exige 17 vezes menos operações. Outro caso reduz por um fator de cerca de 12 as operações num descodificador utilizado por um algoritmo quântico de otimização.
O avanço está na reorganização do cálculo e da memória temporária. Num circuito quântico, essa informação não pode simplesmente ser apagada como num programa comum; recuperar valores a partir do estado atual pode evitar armazenar um histórico dispendioso.
O que falta saber
São resultados de desenho e avaliação de circuitos, apresentados num preprint. Não demonstram essas aplicações numa máquina quântica operacional. Construir hardware com correção de erros e capacidade suficiente continua a ser um problema separado.
A autonomia também teve enquadramento humano: os investigadores definiram tarefas, construíram avaliadores e, em alguns momentos, incentivaram a exploração de outras abordagens. O caso mostra um processo de investigação assistido por IA com verificação externa.
Porque importa
- Melhorar algoritmos pode reduzir requisitos de hardware, além dos ganhos obtidos ao construir mais qubits.
- Avaliadores externos tornam possível testar propostas de IA em vez de aceitar apenas explicações plausíveis.
- Ganhos em componentes concretos não equivalem a uma demonstração geral de vantagem quântica.