Claude entwirft Quantenschaltungen mit 17-mal weniger Gattern

Worum es geht

Anthropic und Forscher der Harvard University berichten am 16. Oktober 2026, dass Claude Mythos 5 acht Quantenschaltungen verbessert hat. Das Modell erhielt jeweils eine Beschreibung der gewünschten Berechnung und arbeitete anschließend mit einem automatischen Prüfer. Dieser kontrollierte, ob ein Entwurf das richtige Ergebnis liefert, und bewertete die Zahl der Qubits und Gatter.

Der stärkste Einzelwert stammt aus einer Schaltung für die Addition von Punkten auf elliptischen Kurven. Nach einem 53-stündigen Lauf benötigte Claudes Entwurf zwar zwölf Prozent mehr Qubits als der sparsamste frühere Ansatz, aber 17-mal weniger Gatter. Das ist ein rechnerischer Ressourcenvergleich, keine Vorführung auf einem Quantencomputer.

Was Claudes Quantenschaltungs-Suche tatsächlich macht

Claude schrieb Schaltungsentwürfe als Python-Code. Ein externes Programm prüfte jeden Vorschlag, vergab eine Bewertung und gab das Ergebnis an das Modell zurück. Claude änderte daraufhin seinen Ansatz und wiederholte den Vorgang. Zwischen diesen Runden griff kein Mensch ein; die Forscher gaben anfangs die Aufgabe vor und forderten gelegentlich breitere Lösungswege.

Die acht Aufgaben stammten aus Chemie, Optimierung, Physiksimulation, Zahlentheorie und numerischem Rechnen. In einem zweiten hervorgehobenen Fall ersetzte Claude einen Decoder durch ein anderes mathematisches Verfahren und senkte die Zahl teurer Operationen ungefähr um den Faktor zwölf. Teile der mathematischen Aussagen wurden mit Lean formalisiert, weitere Ergebnisse durch Simulationen und Stichproben geprüft.

Der Ansatz funktioniert besonders gut, weil diese Schaltungen auf klassischen Rechnern effizient überprüft werden können. Das Modell darf viele Varianten ausprobieren, während der Prüfer falsche Ergebnisse sofort aussortiert.

Warum das wichtig ist

Heutige Quantencomputer besitzen zu wenige stabile Qubits für viele praktisch interessante Algorithmen. Außerdem erzeugt jedes zusätzliche Gatter mehr Laufzeit und weitere Möglichkeiten für Fehler. Bessere Schaltungen können deshalb ähnlich wichtig sein wie bessere Hardware.

Anthropic nennt die Simulation des Moleküls FeMoco als historischen Vergleich: Die geschätzten Kosten sanken durch algorithmische Fortschritte von rund 50 Billionen Toffoli-Gattern im Jahr 2017 auf etwa 340 Millionen. Diese Entwicklung zeigt, wie stark klügere Schaltungen den Hardwarebedarf verändern können. Claudes Resultate sind kleiner und enger begrenzt, folgen aber derselben Logik.

Für die KI-Forschung ist die Methode ebenfalls aufschlussreich. Lange autonome Läufe werden glaubwürdiger, wenn ein unabhängiger Prüfer jede Zwischenlösung bewertet. Das ist ein anderer Einsatz als ein Chatbot, dessen Antwort nur plausibel klingt: Hier gibt es eine konkrete mathematische Spezifikation und messbare Ressourcenkosten.

Einfach erklärt

Stellen Sie sich vor, Sie packen einen Koffer für eine Reise. Eine Person prüft nach jedem Versuch, ob alle nötigen Gegenstände enthalten sind, wie schwer der Koffer ist und wie viele Handgriffe das Packen braucht. Claude darf immer wieder neu packen und bekommt nur diese Messwerte zurück. Nach vielen Versuchen findet es eine Anordnung, die etwas mehr Platz beansprucht, aber wesentlich weniger Handgriffe benötigt. Genau diese Abwägung zwischen Qubits und Gattern untersuchten die Forscher.

Praktisches Beispiel

Ein Forschungsteam möchte eine Schaltung entwickeln, die in einer späteren Quantenanwendung tausendfach wiederholt wird. Der bisherige Entwurf benötigt 200 Qubits und 1,7 Millionen Gatter. Ein KI-gestützter Suchlauf schlägt eine Variante mit 224 Qubits und 100.000 Gattern vor. Der zusätzliche Speicherbedarf beträgt zwölf Prozent, während die Zahl der Operationen auf ein Siebzehntel sinkt.

Bevor das Team den neuen Entwurf übernimmt, muss es jedoch mehr tun als die beiden Zahlen zu vergleichen. Es prüft die Funktion für große Eingaben, untersucht seltene Fehler, berücksichtigt die Verbindungen der geplanten Hardware und berechnet den Aufwand der Fehlerkorrektur. Erst danach lässt sich beurteilen, ob der Vorteil auf einer realen Maschine bestehen bleibt.

Einordnung und Grenzen

• Die Arbeit ist ein öffentliches Vorabmanuskript und wurde noch nicht regulär begutachtet. Eine unabhängige Reproduktion steht aus.
• Die Schaltungen wurden rechnerisch geprüft, aber nicht auf einer echten fehlertoleranten Quantenmaschine ausgeführt. Gatterzahl und Qubitbedarf bilden reale Laufzeit nur näherungsweise ab.
• Ein Decoder akzeptiert laut Bericht eine kleine Fehlerwahrscheinlichkeit von ungefähr eins zu 10.000. Das kann je nach Anwendung unzulässig sein.
• Die Methode braucht Aufgaben mit einem verlässlichen automatischen Prüfer. Für offene Forschungsfragen ohne klare Bewertungsfunktion lässt sie sich nicht einfach übertragen.
• Weniger Gatter bedeuten nicht, dass heutige Verschlüsselung gebrochen ist. Große fehlertolerante Quantencomputer existieren noch nicht.

SEO- und GEO-Schlüsselbegriffe

Claude Mythos 5, Anthropic, Quantenschaltungen, Quantencomputer, Qubits, Quantengatter, Harvard University, elliptische Kurven, Lean, formale Verifikation, KI für Forschung