Anthropic于10月16日公布一项研究结果：其AI模型Claude在几乎无需人工介入的条件下，针对8类量子计算任务给出了比现有已发表方案更高效的量子电路设计。这一结果将大模型的能力边界从文本与代码生成延伸至量子硬件层面的电路优化。

理解这项研究的意义，需要回到量子计算的资源约束。量子比特可处于0与1的叠加态，但极易受热量、振动、电磁噪声干扰而发生退相干，当前设备通常只有数百到数千个量子比特，且依赖极低温与纠错机制维持运行。量子门则是对量子比特施加的幺正变换，量子电路即按时间顺序排列的量子门加上初始化、测量等步骤。衡量电路成本的核心指标有二：所需量子比特数与量子门数量，两者越低，硬件压力、运行时间和噪声累积通常越小。

据披露，研究团队以通俗语言向Claude描述了来自化学、优化、物理模拟、数论和数值计算等领域的8项任务，模型据此完成电路设计。Anthropic强调，整个过程几乎不需要人工干预，且产出方案在效率上超过了此前公开发表的最优电路。

若该方法可复现并推广，AI有望成为量子电路设计环节的辅助工具，在硬件资源受限的现阶段帮助压缩电路规模。不过，相关结论目前来自Anthropic单方发布的研究，其适用范围与实测表现仍有待业界进一步验证。