结论前置：Anthropic 于 2026 年 10 月 16 日发布 Claude 辅助量子电路设计研究。研究人员将文字描述的计算目标交给 Claude，让模型生成候选电路，再由独立评估程序检查正确性和资源成本，形成反复改进的闭环。论文摘要的准确口径是：8 项任务中，7 项同时减少 Toffoli 门数和量子比特数；第 8 项提出新的可逆架构，改善两者之间的权衡。
为什么量子电路优化困难
量子计算的电路需要满足可逆性，很多在经典程序中可直接丢弃的中间数据必须保留或反向计算。多保留状态会占用量子比特，反复重算则增加量子门，因而存在空间与时间的资源权衡。研究关注的是电路层面的设计效率，不能等同于已经有可运行这些任务的容错量子硬件。
模型与独立评估器如何协作
Anthropic 介绍，研究使用 Claude Mythos 5，在化学、优化、量子模拟、数论及数值计算等 8 类基础计算任务上生成并修改电路。外部评估器验证候选方案是否正确，并依据量子比特与门的成本给出反馈；模型再据此迭代。这样的设计把“模型提议”和“程序化验证”分开，避免仅凭语言模型自述判断突破。研究者仍提供初始任务与少量方向性提示，不能称为完全无人参与。
两个具有代表性的结果
在椭圆曲线点加法任务中，Claude 探索了可逆模逆运算的新设计：尝试从计算状态还原分支信息，而非完整存储历史。Anthropic 称，其中一个方案比此前最省量子比特的设计多用约 12% 量子比特，但门数减少约 17 倍。这说明它改善的是资源组合，不是两个指标都下降。另一项译码任务中，团队报告关键步骤的门数相对先前方案减少约 12 倍；该方案允许极少数输入失败，研究披露约每 1 万次中有 1 次需要超过预留资源。
结果边界与企业启示
上述数字来自作者论文与 Anthropic 官方技术解读，尚不是实际量子硬件上的商业任务收益，也不意味着 Claude 可独立设计完整量子计算机。中蓝科创观察认为，可借鉴的是工程方法：让模型在有明确目标和可计算评分的设计空间提出方案，再用独立测试、形式化证明或仿真验证，保留人工审查与失败样本。量子电路的具体改进能否转化为应用价值，还取决于纠错、硬件规模及整体算法成本。
资料来源：Anthropic 官方研究解读（2026 年 10 月 16 日）；研究论文预印本（2026 年 10 月 15 日提交）。
