Claude 找到更省資源的量子電路

解碼器的 12 倍，附帶明確的失敗預算

另一項成果針對 decoded quantum interferometry（DQI）最佳化演算法中的 Reed–Solomon 解碼器。Claude 改用 Berlekamp–Massey 方法，再重建大部分暫存資料，減少保存歷史的成本。研究也利用任務允許的少量失敗，避免為極罕見輸入準備整套額外資源。

其中一種例外資料的儲存空間，若依最壞情況預留，需要 665 個量子位元；新設計只留 19 個。Anthropic 表示，團隊模擬約 4.03 億次解碼，估計約每一萬次有一次需要更多空間而失敗。這是特定輸入分布下的取捨，不是保證所有輸入都不出錯。

綜合這些改動，該解碼器的閘數降至既有建構的約十二分之一；這不等於整個 DQI 演算法、所有最佳化問題或量子電腦都快了 12 倍。研究呈現的是電路設計、模擬與資源估算，並非在實體量子處理器上量到的加速。實用量子電腦還需要錯誤更正與硬體控制等環節；這份結果支持 AI 能協助降低電路成本，尚不能據此訂出實用機器問世的時間。