Mythos 5破解量子計算重大難題！53小時碾壓人類數年！

就在剛剛，Anthropic曬出一項炸裂研究。

Mythos 5已經自主閉環，設計出比人類「最佳方案」還要高效得多的全新的量子電路！

而且，還是在純語言描述的情況下。

在關鍵解碼任務中，Claude直接將計算成本暴降了12倍甚至17倍！

更驚人的是，它為了完成任務，自主推匯出了人類從未發現的全新代數恆等式。

53個小時內，Myths 5就碾壓了人類數年研究。

有網友驚呼：「每一個物理學博士剛剛都發現，他們苦心鑽研多年的論文，AI只用幾句大白話就能寫出10倍優秀的版本……」

01. 人類被卡脖子了：量子計算的「絕望之谷」

要知道，傳統電腦用0和1（位元）來記憶體資訊。

而量子電腦用的是「量子位」。借助量子疊加態，它可以同時處理海量資訊。一旦真正實用化，它能破解密碼、研發絕症特效藥、尋找室溫超導材料……

然而，目前的量子電腦，有著重大缺陷。

第一，量子位太少了。 現在的機器頂多幾百上千個量子位，根本不夠跑複雜演算法。

第二，它們太脆弱了。 稍微有一點環境噪音——一點熱量、一點震動，甚至穿透地球的宇宙射線，都能讓量子位出錯。錯誤一旦堆積，算出來的結果毫無用處。

因為硬體上的缺陷，科學家們只能在「軟體（演算法電路）」上瘋狂摳細節，試圖用最少的量子位和最短的時間，跑完計算。

但量子電路的程式設計，和我們平時的程式碼完全是兩種東西。

1.沒有「If-then」： 傳統程序可以判斷條件，走A路線或B路線。但量子電腦是所有可能性的疊加，它必須在每次執行階段，把A和B的操作全都包含進去。

2.絕對不能「丟垃圾」： 傳統程序算完一個中間結果，用完就把記憶體清空了。但在量子世界，資訊不能被丟棄，因為量子計算必須是絕對可逆的！強行把中間草稿擦掉，結果就會污染。想清理記憶體？唯一的辦法就是把剛才的計算「倒放」一遍，但這又要消耗昂貴的量子門。

這就逼得人類科學家不得不在「空間（量子位）」和「時間（計算步數）」之間極限拉扯。

以模擬FeMoco為例（這是一種固氮酶核心，對製造化肥至關重要）。

2017年，人類估計需要50兆個Toffoli門才能算出來。經過頂級科學家8年的絞盡腦汁，這個數字才被降到3.4億。

人類用了8年。而Claude，只用了53個小時。

Anthropic搞了一個STEM Fellows項目。

他們給了Mythos 5下達了一個任務——

我用大白話給你描述化學、最佳化、物理模擬和數論領域的8個基礎量子電路，你自己去設計吧。

整個過程，都是全自動閉環的。

1.Claude用Python寫出量子電路設計。

2.自動評估程序檢查它對不對，並給出一個「得分」（使用的量子位數 × 量子門數量）。

3.Claude拿到反饋，沒有人類插手，自己反思、迭代。

短短53小時內，Claude在8個任務上全部擊敗了人類公開發表的最優設計！

它直接推翻了人類思維定勢，找到了全新的結構和數學規律。

讓我們來看看它最炸裂的兩個神級操作。

操作一：自主推導新數學公式，破解死局

在數論和密碼學（比如橢圓曲線計算）中，有一個耗時的核心步驟「點加法」，其中最昂貴的操作，就是模組化求逆。

傳統電腦做這個很快，有一種演算法叫「divsteps」：把兩個數字不斷地交換、加減、折半，最後得出結果。在這個過程中，傳統電腦會產生大量的「分支資訊（草稿）」，算完就扔。

如果要用量子電路跑divsteps演算法，就必須把所有歷史分支資訊全存下來。這需要佔用天文數字般的量子位，根本不現實。因此，人類科學家認為這條路走不通。

它想：既然存草稿太貴，那能不能不存草稿，直接從結果裡把草稿「反推」出來？

一開始，Claude像個勤奮的學生，盲猜了幾種規則，但在面對256位的大數字時，它終於崩了。

然而接下來，讓人汗毛倒立的操作來了：Claude放棄了暴力測試，直接開始純數學的理論推導。它深入研究了divsteps的迭代過程，硬生生地證明出一系列全新的代數恆等式！

根據新數學公式，Claude寫出了一個精準的解碼規則，甚至用lean完成了形式化！

最終，Claude拿出了人類歷史上第一個不需要記憶體分支歷史的量子divsteps可逆實現方案。

與人類設計相比，它在只增加了12%量子位的情況下，將量子門數量暴降了17倍！

操作二：爆改Google演算法架構，算力成本銳減12倍

第二個驚人的突破，發生在「解碼量子干涉測量（DQI）」演算法中。這是量子電腦用於物流調度、材料設計的最強武器。

簡單來說，DQI演算法最耗錢的一步，是用一個叫裡德-所羅門（Reed-Solomon）的解碼器去糾錯。

此前，Google專家們設計的方案，是用「擴展歐幾里得演算法」。

但由於量子電路「不能走不同分支」的死板規定，Google不得不把計算拉長到極誇張的回合數，浪費了大量算力。

Claude接到任務後，看了一眼Google的方案，迅速得出結論：這演算法和量子電路不匹配，得換。

它直接把核心引擎換成了「Berlekamp-Massey解碼法」。它每輪動作都一樣，完美契合量子電路的死板特性。

然而，換演算法帶來了新的「記憶體危機」！每輪計算都會產生一堆臨時資料，不能刪，得留著以後「倒放」用。如果全存下來，需要665個量子位，簡直是天文數字。

Claude又開始神操作了：它先用同樣的「反推法」消滅了大部分記憶體需求，只剩下個別「異常值」。

如果按照人類最保守的做法，還得預留很多空間。

但Claude居然自己寫了個高速模擬器，跑了整整4.03億次樣本測試，精確測量異常發生的機率！

結果，它發現：絕大多數情況只需要存1個值。

於是，Claude乾脆只電路留了19個量子位的記憶體空間。

這套「換核心演算法 + 極致記憶體復用 + 巨量資料精算預留空間」的三連招打完，Claude設計的解碼器，其門數量比前架構整整減少了12倍！

原來需要1小時的計算，現在幾分鐘就能搞定。

02. 網友炸鍋：我的物理學博士論文成笑話了？

這份報告一出，外網直接沸騰了。

有人說，「量子領域的預測時間線，要被徹底打亂了。人類能提前很多年得到一台有用的量子機器！」

有人感慨說：以前我們在讓AI解釋現有的科學，但現在，AI已經在發現我們自己沒明白的東西。

最絕望的是，可能每個物理學博士都發現：自己苦心研究的論文，AI有個大白話版本，而且比自己的好10倍。

Mythos 5的這個成就，實在太令人激動了。

FeMoco固氮酶模擬，人類幹了8年，Mythos 5隻用了53個小時。這意味著，軟體正在拯救硬體！

我們本以為，要造出能研發新藥、製造清潔化肥的量子電腦，還需要人類花十幾年，去攻克「幾百萬量子位」難關。

但現在，不用等硬體升級了，AI直接把演算法壓縮十倍百倍，「破機器」也能跑出顛覆結果！

更有想像力的是，由於量子電腦的每一環都可以用程式碼描述、驗證並評分，Anthropic指出一種誘人的可能——

未來的AI，不再是單獨最佳化某個電路，而是從最底層的硬體物理結構，到最上層的演算法邏輯，進行「全域聯合最佳化」！

人類，將直接按AI的圖紙去造硬體。

科技大爆炸的奇點，比我們想像的還要近得多。  (新智元)

彙整鉅亨號中所有使用「AI自主研發」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`