AI自主设计量子电路:53小时击败人类数年研究

Anthropic的Mythos 5在53小时内自主设计了量子电路，击败了人类数年的研究。本文探讨了这一事件，揭示了AI如何从代码助手转变为架构师，通过数学发现绕过硬件限制，并讨论这对软件与硬件的边界意味着什么。

AI自主推导新数学公式，将量子电路效率提高了12-17倍。

AI从解题高手走向量子电路设计师

Anthropic的Mythos 5最近在量子电路设计上取得了突破，在53小时内击败了人类数年的研究。这个案例最直观的冲击在于时间维度的压缩，但也揭示了更深层的行业变化。传统上，量子计算机的编程极其受限，因为量子比特对环境噪音敏感，且计算过程必须是可逆的，这意味着中间结果不能被丢弃。人类科学家只能在量子位数和计算步数之间极限拉扯，试图在脆弱的硬件上跑通复杂的算法。

一个容易被忽略的观察是，人类科学家长期受困于“死板”的物理规则，而AI正在尝试通过“发明规则”来绕过这些规则。在数论任务中，传统算法需要存储大量分支历史，这在量子世界中成本过高。Mythos 5没有沿用人类的思维定势，而是直接进行了纯数学推导，发明了全新的代数恒等式。这种操作不再是简单的代码优化，而是数学层面的创新。

在另一个涉及谷歌Reed-Solomon解码器的任务中，AI同样展现了这种“降维打击”的能力。它发现原有的算法架构与量子电路的特性不匹配，于是直接换成了Berlekamp-Massey解码法。更令人惊讶的是，面对内存存储的巨大压力，它通过模拟测试发现，绝大多数情况下只需要存1个值。这种基于大数据精算的发现，是传统人类科研模式很难快速达到的效率。

基于此，我有理由认为，AI正在成为量子计算的“智能编译器”或“架构师”。它不再仅仅是根据人类指令写代码，而是能够理解物理约束，并自主寻找最优解。这种能力意味着软件层面的突破可以部分抵消硬件层面的不足。

不过，我们也需要保持警惕。这种效率的提升是否依赖于特定的数学巧合，或者是在特定测试集上的表现？量子硬件本身的错误率问题依然存在，AI设计的电路如果过于复杂，可能会放大硬件的噪声干扰。因此，这更像是一个阶段性胜利。

对于读者来说，接下来的观察重点或许不应仅仅停留在“AI很强”的感叹上。建议关注量子纠错领域是否会涌现出更多基于AI发现的算法变体，以及AI是否开始介入硬件层面的结构设计，而不仅仅是电路图。在这个领域，软件与硬件的界限正在变得模糊。

在我看来，Mythos 5的突破标志着从“工具”到“伙伴”的转变。AI不再只是编写代码，而是发明了新规则，这表明未来的工程学可能将人类智慧与AI的算力结合，以突破物理极限。