Anthropic：Claude Mythos 5 在闭环评测中自主设计量子电路，8 项任务刷新已发表最优设计，DQI 解码器门数降至 1/12

核心背景与行业痛点

现有量子计算机只有数百到数千个量子比特且噪声大，实用算法能否落地很大程度取决于电路要用多少比特、多少门。例如模拟固氮酶 FeMoco，2017 年估计需约 50 万亿个 Toffoli 门，经多年算法改进才降到约 3.4 亿。Anthropic 在 官方博客 中尝试让 Claude 只凭自然语言规格去重新设计这些电路。该工作由 STEM Fellow Andi Gu 主导，合作方包括哈佛的 Susanne Yelin 与 Mikhail Lukin（QuEra）。

架构亮点与底层机制

核心是闭环：Claude Mythos 5 用 Python 写电路，独立评测器校验正确性并按“量子比特数×门数”打分，再把结果反馈给模型，轮次之间无人工介入。在椭圆曲线点加法任务里，它连续工作 53 小时，推导出新的代数恒等式，让可逆电路能从数值对本身“解码”出分支信息，首次实现不存储分支历史的可逆 divsteps 模逆，并用 Lean 做了形式化验证。

权威 Benchmark 与实测跑分对比

以下均为 Anthropic 口径：8 项电路原语全部优于已发表最优设计，论文 称其中 7 项同时降低 Toffoli 门数与比特数；点加法设计族中一款比此前最小设计多用 12% 比特、门数少 17 倍；DQI 的 Reed–Solomon 解码器门数比 Google 此前构造低约 12 倍，靠 4.03 亿次采样把 665 比特的最坏情况预留压到 19 比特，失败率约万分之一。

开发者实战落地与开箱指南

这套“生成—校验—打分”范式不限于量子：只要输出可被程序判定对错、目标可量化（延迟、内存、指令数），就能让编码 Agent 长时间自主迭代。建议先写好严格的评测器和单一标量目标，再让模型并行探索多种思路；具体任务设定和结果表见 arXiv 2610.22367。