Un circuito cuántico diseñado por Claude Mythos 5, el modelo de Anthropic, usa 17 veces menos compuertas que un enfoque publicado antes. El resultado podría ayudar a ejecutar algoritmos cuánticos exigentes con menos recursos de cómputo, y ataca uno de los problemas de ingeniería más difíciles del área, el equilibrio entre la memoria que requiere un circuito y el tiempo que tarda en procesar.
El diseño salió de un experimento de 53 horas dirigido por el investigador Andi Gu dentro del programa STEM Fellows de Anthropic. Claude desarrolló un algoritmo de aritmética reversible para cálculos con curvas elípticas, y en el trabajo colaboraron investigadores de la Universidad de Harvard y de QuEra Computing. Según los autores, el diseño automatizado de circuitos podría acelerar el camino hacia una computación cuántica práctica.
Por qué hay que ahorrar compuertas
Los computadores cuánticos procesan información con qubits, que pueden representar combinaciones de estados gracias a la superposición. Las máquinas actuales tienen entre cientos y unos pocos miles de qubits, y las perturbaciones del entorno pueden meter errores durante el cálculo.
Por eso los circuitos tienen que ser lo más eficientes posible. Cada operación consume recursos, y guardar resultados intermedios exige qubits adicionales. Un circuito cuántico tampoco puede simplemente botar la información temporal, porque sus operaciones deben seguir siendo reversibles.
Anthropic le encargó a Claude optimizar ocho bloques de cómputo de química, simulación física, optimización, teoría de números y cálculo numérico. Un evaluador automático revisaba que cada diseño fuera correcto y le asignaba un puntaje según los recursos que consumía.
Claude Mythos 5 trabajó en ciclos repetidos de diseño y prueba, afinando sus propuestas sin intervención humana entre una ronda y otra. Sus resultados mejoraron los diseños publicados, y en algunos casos la reducción llegó a un orden de magnitud o más.
¿Qué problema de memoria resolvió?
El resultado más llamativo tiene que ver con la inversión modular, una operación matemática que se usa en la aritmética de curvas elípticas. Es una pieza central de los algoritmos cuánticos que atacan el problema del logaritmo discreto en curvas elípticas.
Claude se concentró en un algoritmo llamado divsteps, que simplifica valores numéricos con operaciones condicionales repetidas. Un computador clásico lo ejecuta sin problemas, pero llevarlo a un circuito cuántico genera un problema de almacenamiento serio.
Un circuito reversible tiene que conservar suficiente información para reconstruir cada paso del cálculo. Divsteps necesita entonces un registro de todas sus decisiones de bifurcación, y ese registro puede consumir una enorme cantidad de qubits extra.
Claude encontró una forma de recuperar esas decisiones directamente desde los valores numéricos intermedios. Derivó identidades matemáticas que sostienen el método, lo probó con simulaciones numéricas y formalizó su corrección en Lean.
El circuito resultante ya no necesita guardar la historia completa de las bifurcaciones. Después, Claude exploró diseños híbridos que almacenan una parte de la información y reconstruyen el resto.
Uno de esos diseños usa 12% más qubits que el diseño más pequeño publicado hasta ahora, pero requiere 17 veces menos compuertas. Ese intercambio amplía las opciones de los ingenieros que trabajan con hardware cuántico limitado.
¿Acorta los plazos de la computación cuántica?
Anthropic informó también mejoras en las otras tareas de diseño de circuitos. Una de las optimizaciones redujo unas 12 veces el paso más costoso de un algoritmo líder de optimización cuántica.
El hallazgo se suma a años de avances en reducir los recursos que necesita un cálculo cuántico útil. En 2017, los investigadores estimaron que simular la energía del estado fundamental del FeMoco, un cúmulo de hierro y azufre que participa en la fijación biológica de nitrógeno, exigiría cerca de 50 billones de compuertas Toffoli.
Los avances posteriores bajaron esa estimación a unos 340 millones de compuertas, una reducción de unas 150.000 veces. Anthropic sostiene que la optimización automática de circuitos puede ayudar a acelerar mejoras de ese tipo.
Quedan obstáculos importantes. Los computadores cuánticos todavía necesitan mejor corrección de errores, controles de hardware confiables y sistemas capaces de manejar qubits frágiles durante cálculos largos. Los circuitos diseñados por IA servirían para aprovechar mejor esas máquinas cuando existan.
