La IA de Anthropic optimiza circuitos cuánticos

Anthropic asegura que Claude Mythos 5 diseñó circuitos cuánticos más eficientes que los mejores publicados hasta ahora, reduciendo en algunos casos el número de operaciones por un factor de 17 y el de otro circuito por 12. El trabajo se centró en ocho tareas de química, optimización, simulación física, teoría de números y cálculo numérico.

La idea importa porque los ordenadores cuánticos actuales todavía tienen un problema básico: cuentan con pocos cúbits, las unidades de información cuántica, y son muy sensibles al ruido. Cada operación adicional aumenta el riesgo de error y el tiempo necesario para completar un cálculo.

Claude diseñó, probó y mejoró los circuitos

El equipo de Anthropic no pidió a Claude que escribiera una respuesta teórica. Le dio instrucciones en lenguaje normal sobre lo que debía calcular cada circuito y un programa evaluador capaz de comprobar si funcionaba y asignarle una puntuación.

El modelo trabajó en un ciclo cerrado:

• Proponía un diseño.
• El evaluador comprobaba su corrección.
• Medía cuántos cúbits y puertas cuánticas utilizaba.
• Claude usaba ese resultado para crear una versión mejor.

No hubo intervención humana entre la mayoría de las rondas. Según Anthropic, el modelo encontró diseños que usaban menos cúbits y menos puertas que los algoritmos publicados anteriormente. En algunos casos no se limitó a ajustar circuitos existentes, sino que cambió la forma de resolver el problema.

Una puerta cuántica es una operación básica aplicada a uno o varios cúbits. Cuantas más puertas necesita un circuito, más tiempo tarda y más oportunidades hay de que el ruido altere el resultado. Por eso, reducirlas puede ser tan importante como fabricar un procesador con más cúbits.

Un ejemplo: calcular con menos memoria y menos tiempo

Uno de los experimentos abordó la inversión modular, una operación matemática costosa en los cálculos con curvas elípticas. Este tipo de cálculo es relevante para ciertos algoritmos cuánticos capaces, en teoría, de resolver problemas que resultan impracticables para los ordenadores clásicos.

Claude trabajó durante 53 horas con una descripción inicial y algunas indicaciones para explorar alternativas. El modelo encontró una manera de evitar que el circuito guardara toda la información intermedia que necesitaba para funcionar al revés, una exigencia de la computación cuántica.

En un ordenador convencional, un programa puede borrar resultados temporales cuando ya no los necesita. En un circuito cuántico, esa información no puede eliminarse sin más: debe reconstruirse ejecutando operaciones en sentido inverso. Guardarla requiere cúbits; recalcularla requiere tiempo.

Claude descubrió que parte de esa información podía recuperarse directamente a partir del estado actual del cálculo. El diseño resultante usa 12% más cúbits que el circuito anterior más pequeño, pero necesita 17 veces menos puertas. Esto amplía las combinaciones posibles entre memoria y velocidad, en lugar de ofrecer una única solución óptima.

Un decodificador cuántico 12 veces más barato

El segundo resultado se centró en un algoritmo de optimización llamado DQI. Su tarea es aumentar la probabilidad de que un ordenador cuántico encuentre buenas soluciones a problemas con muchas opciones, como la planificación, la logística o el diseño de materiales.

El paso más costoso del algoritmo era un decodificador basado en el algoritmo euclídeo extendido. Claude lo sustituyó por otro método, conocido como decodificación de Berlekamp-Massey, que ejecuta una secuencia más regular y predecible. Esa estructura encaja mejor con las restricciones de un circuito cuántico.

El modelo también redujo la memoria reservada para casos excepcionales. En vez de preparar espacio para el peor escenario, simuló 403 millones de decodificaciones y comprobó que casi todas necesitaban guardar como máximo un valor. El circuito reserva 19 cúbits para ese caso y falla aproximadamente en una de cada 10.000 ejecuciones, una tasa que el equipo considera aceptable para esta tarea.

El resultado fue una reducción de 12 veces en el número de puertas frente al diseño anterior de Google. Anthropic sostiene que la mejora no procede de un único ajuste, sino de cambiar el método matemático, la arquitectura del circuito y la cantidad de memoria reservada.

Qué significa para ti

Esto no convierte de inmediato a los ordenadores cuánticos en máquinas disponibles para empresas o consumidores. El hardware actual sigue limitado a cientos o miles de cúbits, muchos menos de los que requieren varias aplicaciones prácticas, y además necesita sistemas complejos para detectar y corregir errores.

Lo que sí cambia es la velocidad con la que pueden explorarse diseños nuevos. Anthropic recuerda que la estimación de recursos para simular la molécula FeMoco, importante para estudiar catalizadores y producción de fertilizantes, pasó de unos 50 billones de puertas Toffoli en 2017 a unos 340 millones tras años de avances de distintos grupos. Según la empresa, algunos de los nuevos diseños de Claude surgieron en una sola ejecución de 53 horas.

La afirmación todavía debe evaluarse dentro de la comunidad científica y en hardware real. Los circuitos fueron comprobados con evaluadores automáticos, simulaciones y, en el caso de uno de los resultados, pruebas formales en Lean, pero una mejora teórica no garantiza por sí sola una ventaja práctica en una máquina cuántica real.

El siguiente paso será aplicar este enfoque a más piezas del sistema, desde los algoritmos hasta la corrección de errores y el control del hardware. Si la IA consigue optimizarlas de forma conjunta, podría reducir uno de los cuellos de botella menos visibles de la computación cuántica: no solo construir mejores máquinas, sino encontrar instrucciones que esas máquinas puedan ejecutar sin desperdiciar sus escasos recursos.