就在刚才，Anthropic公布了一项令人震惊的研究成果。
Mythos 5已经能够自主闭环，设计出比人类“最优方案”高效得多的全新量子电路！
而且，整个过程仅基于纯语言描述。
在关键的解码任务中，Claude直接将计算成本降低了12倍甚至17倍！
更令人惊讶的是，为了完成任务，它自主推导出人类从未发现的全新代数恒等式。
在53个小时内，Mythos 5就超越了人类多年的研究。
有网友感叹：“每一位物理学博士刚刚发现，他们耗费大量心血撰写的论文，AI仅用几句简单语言就能写出10倍优秀的版本……”
为什么设计量子电路如此困难？
要知道，传统计算机使用0和1（比特）来存储信息。
而量子计算机使用的是“量子位”。借助量子叠加态，它可以同时处理海量信息。一旦真正投入实用，它能够破解密码、研发绝症特效药、寻找室温超导材料……
然而，目前的量子计算机存在重大缺陷。
第一，量子位数量太少。 现在的机器最多几百上千个量子位，远不足以运行复杂算法。
第二，它们非常脆弱。 一点点环境噪音——比如热量、震动，甚至穿透地球的宇宙射线，都可能导致量子位出错。错误一旦累积，计算结果就毫无意义。
由于硬件的不足，科学家们只能在“软件（算法电路）”上精打细算，试图用最少的量子位和最短的时间完成计算。
但量子电路的编程与我们日常的代码完全不同。
它面临两座难以逾越的大山：
1. 没有“If-then”： 传统程序可以判断条件，选择A路线或B路线。但量子计算机是所有可能性的叠加，它必须在每次运行时，把A和B的操作都包含进去。
2. 绝对不能“丢垃圾”： 传统程序算完中间结果后，可以清空内存。但在量子世界，信息不能被丢弃，因为量子计算必须是绝对可逆的！ 强行擦除中间草稿会导致结果污染。要清理内存，唯一的办法是把刚才的计算“倒放”一遍，但这会消耗昂贵的量子门。
这迫使人类科学家不得不在“空间（量子位）”和“时间（计算步数）”之间极限权衡。
以模拟FeMoco为例（这是一种固氮酶核心，对制造化肥至关重要）。
2017年，人类估计需要50万亿个Toffoli门才能完成计算。经过顶级科学家8年的不懈努力，这个数字才被降至3.4亿。
人类用了8年。而Claude，只用了53个小时。
Anthropic推出了一个STEM Fellows项目。
他们给Mythos 5下达了一个任务——
我用简单语言为你描述化学、优化、物理模拟和数论领域的8个基础量子电路，你自己来设计吧。
整个过程是全自动闭环的。
1. Claude用Python编写量子电路设计。
2. 自动评估程序检查其正确性，并给出一个“得分”（使用的量子位数 × 量子门数量）。
3. Claude收到反馈，无需人类干预，自行反思和迭代。
短短53小时内，Claude在8个任务上全部超越了人类公开发布的最优设计！
它直接打破了人类思维定势，发现了全新的结构和数学规律。
让我们来看看它最令人震惊的两个神级操作。
操作一：自主推导新数学公式，破解困局
在数论和密码学（比如椭圆曲线计算）中，有一个耗时的核心步骤“点加法”，其中最昂贵的操作是模块化求逆。
传统计算机处理这个很快，有一种算法叫“divsteps”：通过不断交换、加减、折半两个数字，最终得出结果。在这个过程中，传统计算机会产生大量“分支信息（草稿）”，计算完后丢弃。
但是，量子计算机不能丢弃草稿！
如果要用量子电路运行divsteps算法，就必须把所有历史分支信息全部存储下来。这需要占用天文数字般的量子位，根本不现实。因此，人类科学家认为这条路行不通。
但Claude不信邪。
它思考：既然存储草稿成本太高，那能不能不存草稿，直接从结果中把草稿“反推”出来？
一开始，Claude像个勤奋的学生，盲目猜测了几种规则，但在面对256位的大数字时，它最终崩溃了。
然而接下来，令人毛骨悚然的操作出现了：Claude放弃了暴力测试，直接开始纯数学的理论推导。它深入研究了divsteps的迭代过程，硬生生地证明出一系列全新的代数恒等式！
根据新数学公式，Claude写出了一个精准的解码规则，甚至用Lean完成了形式化！
最终，Claude拿出了人类历史上第一个不需要存储分支历史的量子divsteps可逆实现方案。
与人类设计相比，它在仅增加12%量子位的情况下，将量子门数量降低了17倍！
操作二：改造谷歌算法架构，算力成本锐减12倍
第二个惊人的突破发生在“解码量子干涉测量（DQI）”算法中。这是量子计算机用于物流调度、材料设计的最强工具。
简单来说，DQI算法最耗钱的一步，是使用一个叫里德-所罗门（Reed-Solomon）的解码器进行纠错。
此前，谷歌专家设计的方案采用了“扩展欧几里得算法”。
但由于量子电路“不能走不同分支”的严格规定，谷歌不得不将计算拉长到极其夸张的回合数，浪费了大量算力。
Claude接到任务后，看了一眼谷歌的方案，迅速得出结论：这个算法与量子电路不匹配，需要更换。
它直接把核心引擎换成了“Berlekamp-Massey解码法”。这种方法每轮动作相同，完美契合量子电路的严格特性。
然而，更换算法带来了新的“内存危机”！每轮计算都会产生一堆临时数据，不能删除，需要留着以后“倒放”使用。如果全部存储下来，需要665个量子位，简直是天文数字。
Claude又开始施展神操作：它先用同样的“反推法”消除了大部分存储需求，只剩下个别“异常值”。
如果按照人类最保守的做法，还需要预留很多空间。
但Claude居然自己编写了一个高速模拟器，运行了整整4.03亿次样本测试，精确测量异常发生的概率！
结果，它发现：绝大多数情况只需要存储1个值。
于是，Claude只给电路预留了19个量子位的存储空间。
这套“更换核心算法 + 极致内存复用 + 大数据精算预留空间”的三连招完成后，Claude设计的解码器，其门数量比前架构减少了整整12倍！
原来需要1小时的计算，现在几分钟就能完成。
这份报告一出，外网直接沸腾了。
有人说，“量子领域的预测时间线将被彻底打乱。人类能提前很多年得到一台有用的量子机器！”
有人感慨道：以前我们在让AI解释现有的科学，但现在，AI已经在发现我们自己没明白的东西。
最令人绝望的是，可能每一位物理学博士都发现：自己苦心研究的论文，AI有一个简单语言版本，而且比自己的好10倍。
Mythos 5的这个成就，实在令人激动不已。
FeMoco固氮酶模拟，人类干了8年，Mythos 5只用了53个小时。这意味着，软件正在拯救硬件！
我们本以为，要造出能研发新药、制造清洁化肥的量子计算机，还需要人类花十几年，去攻克“几百万量子位”的难关。
但现在，不用等硬件升级了，AI直接把算法压缩十倍百倍，“破机器”也能跑出颠覆性结果！
更有想象力的是，由于量子计算机的每一环都可以用代码描述、验证并评分，Anthropic指出一种诱人的可能——
未来的AI，不再是单独优化某个电路，而是从最底层的硬件物理结构，到最上层的算法逻辑，进行“全局联合优化”！
人类，将直接按照AI的图纸去制造硬件。
科技大爆炸的奇点，比我们想象的还要近得多。
参考资料：
https://www.anthropic.com/research/designing-efficient-quantum-circuits
本文来自微信公众号 “新智元”（ID：AI_era），作者：ASI启示录，36氪经授权发布。
