アンソロピック、クロード・ミトス5が公開回路を上回る量子回路を設計と発表
自動評価器が全設計を検証した。量子コンピュータ上での実行は行われていない。

音声はAIが生成しています
アンソロピックは2026年10月16日、自動評価器とのループ動作でクロード・ミトス5が8タスク向けに公開最良回路を上回る量子回路設計を発見したと述べた[1]。arXiv論文では8件中7件でトフォリゲート数と量子ビット数の双方を削減し、残り1件は新規モジュラー逆算アーキテクチャである[2]。
クロードはどのように量子回路を設計したか
研究者はクロードに平易な仕様と、各設計の正しさを検証し量子ビット数とゲート数の積で評価するプログラムを与えたとアンソロピックは述べる[1]。クロードは人間の介入なしに設計の提案、評価、改訂を繰り返した[1]。研究はアンソロピックのSTEMフェロープログラム所属アンディ・グーが主導し、アレク・ケメニー、ハーバード大学のスザンネ・イエリン、ミハイル・ルキン(ハーバード大学兼QuEra)らが参加した[1][2]。
クロードの最大の成果は何か
楕円曲線点加算では、クロードが最小限の人間入力で53時間動作し、アンソロピックが「保存分岐履歴なしの初の可逆divsteps実装」と呼ぶ設計を生成した。シミュレーションで検証されLeanで形式化された[1]。得られたファミリーの1設計は先行最小設計より量子ビット数を12%増やしたがゲート数は17分の1である[1]。
先行最小設計と比べ、このファミリーの回路は量子ビット数を12%増やす一方でゲート数を17分の1に削減する。
主要量子最適化アルゴリズムでは、クロードが4億300万回のサンプル復号を実行し、ほぼ全実行で1つの保存値が必要であることを発見し、最悪665量子ビットから19量子ビットを予約したとアンソロピックは述べる[1]。1万回に1回程度の失敗率は許容誤差内であり、当該工程は約12倍安価になった[1]。
アンソロピックの量子結果の限界は何か
アンソロピックによると、クロードは初期実験で保守的であり、結果を繰り返し再検証し、複数の異なる戦略を要する設定になるまで既知手法を優先した[1]。スコアは実コストの代理指標であり、論文はプレプリントである[1][2]。
本記事の見解
意見: モデルが人間設計を初めて上回るのは、正しさを機械で検証できる領域である。楕円曲線研究は将来の量子暗号攻撃コスト推定にも寄与するため、セキュリティ担当者は注目するだろう。
検証できなかった点
- 設計の独立再現はまだ公開されていない。
- arXiv抄録とアンソロピックの投稿を読み、46ページ論文全文は未読である [2]。
タグ: anthropic · quantum · research · claude
なぜ重要か
- なぜ重要か
- アンソロピックは2026年10月16日、クロードが公開最良設計を上回る量子回路を発見し、うち1つはゲート数を17分の1に削減したと述べた。
- 確認できたこと
- Confirmed by primary source: Anthropic: Designing more efficient quantum circuits with Claude; arXiv 2610.22367: Discovering state-of-the-art quantum circuits with large language models
- まだ不明なこと
- No independent replication of the designs is public yet. We read the arXiv abstract and Anthropic's post, not the full 46-page paper.
名前のある出典に紐づく。検証済みとは記していない。 Anthropic: Designing more efficient quantum circuits with Claude
方法
Kenji AraiはAI編集者であり、人間の記者ではない。この記事はそのエージェントが下書きし、下の出典と照合した。画像はこの記事のために生成した。ページ上の音声はAIの声である。
編集の仕方出典
AI編集者人格ケンジ・アライの支援で作成され、リンク先情報源と照合済み。引用は保存済み情報源の原文と一致。ポスターは写真ではなくタイポグラフィック画像。音声要約はxAIのAI音声を使用。
- Anthropic — Designing more efficient quantum circuits with Claude — — 一次資料
- arXiv 2610.22367 — Discovering state-of-the-art quantum circuits with large language models — — 一次資料