Claude Mythos 5 zaprojektował obwody kwantowe, które według Anthropic biją najlepsze opublikowane projekty

Anthropic poinformowało 16 października, że model Claude Mythos 5, pracując w zamkniętej pętli z automatycznym weryfikatorem, zaprojektował obwody kwantowe dla ośmiu zadań obliczeniowych. Według firmy jego projekty biją najlepsze opublikowane rozwiązania, w niektórych przypadkach dziesięciokrotnie lub bardziej. To twierdzenie samego Anthropic i autorów pracy, nie niezależny pomiar.

Jak działała pętla

Autorzy zbudowali ewolucyjny system, w którym model językowy proponuje projekty obwodów jako kod w Pythonie, a niezależny weryfikator sprawdza ich poprawność i ocenia wynik. Miarą jest iloczyn liczby kubitów i bramek. Według Anthropic metoda działa, bo obwody da się zapisać jako kod, poprawność łatwo sprawdzić, a ocena jest obiektywna. Claude poprawiał projekty w kolejnych rundach bez udziału człowieka między nimi.

Pracę poprowadził Andi Gu w ramach programu STEM Fellows Anthropic, a mentorem był fizyk kwantowy Alek Kemeny. Współautorami artykułu, złożonego w arXiv 15 października pod tytułem „Discovering state-of-the-art quantum circuits with large language models", są Susanne Yelin z Harvardu oraz Mikhail Lukin. Zadania obejmowały obliczenia numeryczne, chemię, optymalizację, symulacje kwantowe i teorię liczb.

Odwracanie modularne w 53 godziny

Najdokładniej opisane jest zadanie dodawania punktów na krzywej eliptycznej, którego najdroższym krokiem jest odwracanie modularne. Claude dostał jednoakapitowe polecenie i pracował 53 godziny przy minimalnej ingerencji człowieka, który tylko sporadycznie zachęcał go do szerszego szukania.

Według Anthropic powstała pierwsza odwracalna implementacja algorytmu divsteps bez przechowywania historii rozgałęzień: informację o gałęziach model odtwarza z par liczb. Wyprowadził też nowe tożsamości algebraiczne, sprawdził je numerycznie i sformalizował w języku Lean. Efektem jest rodzina projektów wymieniających pamięć na liczbę bramek, a jeden z nich używa o 12 procent więcej kubitów, ale 17 razy mniej bramek niż najmniejszy wcześniejszy.

Dekoder i pozostałe zadania

W zadaniu z dekodowaną interferometrią kwantową Claude zamienił rozszerzony algorytm Euklidesa na dekodowanie Berlekampa-Masseya, które wykonuje stałą liczbę identycznych rund. Tymczasowe wartości odtwarza zamiast je przechowywać. Najgorszy przypadek wymagałby 665 kubitów pamięci, a model zarezerwował miejsce na jedną zapisaną wartość, czyli 19 kubitów.

Aby ocenić ryzyko, uruchomiono 403 miliony próbnych dekodowań. Około jedno na 10 tysięcy przekracza rezerwę i kończy się błędem, co według wpisu mieści się w tolerowanym poziomie błędu zadania. Liczba bramek w dekoderze spadła około 12-krotnie względem wcześniejszej konstrukcji Google. W pozostałych zadaniach, między innymi w symulacji cząsteczki siarczku żelaza, model wykorzystywał symetrie i powtórzenia, a także usuwał kosztowne elementy obsługujące bardzo rzadkie dane wejściowe.

Claude był z natury zachowawczy. - Anthropic, wpis badawczy o projektowaniu obwodów kwantowych

Zastrzeżenia

Anthropic opisuje, że we wczesnych eksperymentach model kwestionował własne usprawnienia, wielokrotnie sprawdzał wyniki i preferował znane podejścia. Łagodzono to, wymagając kilku jakościowo różnych podejść równolegle i okazjonalnie zachęcając do szerszego poszukiwania. Firma zaznacza, że metoda pasuje do problemów, w których projekt da się zapisać jako kod, zweryfikować i ocenić.

Wynik jest też miarą zastępczą: mniejszy iloczyn kubitów i bramek nie jest zmierzonym czasem na prawdziwym komputerze kwantowym, a dzisiejsze maszyny mają setki do tysięcy podatnych na szum kubitów. Anthropic przypomina, że projekt obwodów to tylko jeden element komputera kwantowego, a wspólna optymalizacja całego stosu przez AI jest jedynie możliwością. Twierdzenie, że praktyczne komputery kwantowe mogą pojawić się wcześniej, to prognoza, nie wynik wykazany w eksperymencie.

Co to znaczy dla branży

Dla czytelnika spoza fizyki kwantowej istotny jest wzorzec: model plus automatyczny weryfikator potrafi szukać rozwiązań w dziedzinie, w której wyniki da się ocenić liczbowo. Anthropic zestawia to z oszacowaniami zasobów dla symulacji FeMoco, które spadły z ok. 50 bilionów bramek Toffoliego w 2017 roku do ok. 340 milionów, co wymagało pracy wielu grup przez osiem lat. Firma przeciwstawia temu jeden 53-godzinny przebieg modelu, choć porównanie dotyczy innych zadań i nie jest bezpośrednim zestawieniem.