Zwei Kurven entscheiden darüber, ob Quantencomputing nützlich wird: wie leistungsfähig die Hardware wird und wie viele Ressourcen die Algorithmen benötigen. Eine neue Zusammenarbeit von QuEra Computing, der Harvard University und Anthropic greift die zweite Kurve an – mit einem KI-Modell, das Quantenschaltkreise entwirft, die deutlich weniger Gatter und Qubits brauchen.
Das Preprint 'Discovering state-of-the-art quantum circuits with large language models' (arXiv:2610.22367) kombiniert Anthropics Claude mit einem automatisierten Prüfer, der jeden vorgeschlagenen Schaltkreis auf Korrektheit prüfte und seinen Ressourcenverbrauch bewertete. Claude nutzte dieses Feedback, um bessere Entwürfe zu suchen. Bei acht Rechenbausteinen reduzierten die KI-Entwürfe in sieben Fällen sowohl die Gatterzahl als auch den Qubit-Bedarf; der achte brachte einen neuen Kompromiss zwischen beiden hervor.
Die Gewinne sind auf dem Papier groß. Bei einem Reed-Solomon-Decoder – dem teuersten Schritt in der dekodierten Quanteninterferometrie – senkte die KI die Toffoli-Gatter etwa um den Faktor 12, von 5,1 Millionen auf rund 440.000, bei zugleich weniger Qubits. Das für Molekülsimulation genutzte Coulomb-Potenzial erreichte eine 9,9-fache Reduktion einer kombinierten Ressourcenmetrik, und eine Festkomma-Gaußfunktion verbesserte sich um den Faktor 39 – das größte Ergebnis der Arbeit –, mit Gattern von etwa 24.000 auf 1.583. Die Autoren betonen, dass es sich um Ressourcenschätzungen einzelner Bausteine handelt, nicht um Hardwareläufe, und die kombinierte Metrik kein Speedup ist.
Claude entdeckte zudem einen neuen reversiblen Ansatz für modulare Inversion, eine für Elliptische-Kurven-Kryptographie zentrale Rechenoperation. In einem Benchmark benötigte ein Entwurf rund 17-mal weniger Gatter als der bisherige Entwurf mit den wenigsten Qubits – bei etwa 12 Prozent mehr Qubits, also neue Optionen zum Ausbalancieren beider Ressourcen.
Die Arbeit baut auf einem früheren Pilotprojekt auf, in dem Claude Software zur Lasersteuerung schrieb, die in 695 von 700 Versuchen die korrekte Laser-Verriegelung in Sekunden statt der 5 bis 10 Minuten eines menschlichen Experten wiederherstellte. QuEra will sein fehlertolerantes Libra-System 2028 auf Amazon Braket verfügbar machen. Die weiterreichende These: KI-gestützte Schaltkreis-Entwicklung könnte künftige Quantenanwendungen weniger anspruchsvoll machen – und nutzbare Maschinen näher bringen.
Quellen
- prnewswire.comHarvard, Anthropic, and QuEra Breakthrough Research Shows AI Can Reduce the Resources Quantum Applications Need
- arxiv.orgDiscovering state-of-the-art quantum circuits with large language models (arXiv:2610.22367)
- techcrunch.comPSI is trying to make a business out of AI-driven scientific discovery



