Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
anthropic16. Oktober 2026 · Q002145

Designing more efficient quantum circuits with Claude

anthropic.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Anthropic berichtet, Claude habe für acht Quanten-Schaltkreisaufgaben effizientere Entwürfe als zuvor veröffentlichte Verfahren gefunden. Beispiele seien eine neue reversible Methode für modulare Inversion und ein Reed-Solomon-Decoder mit zwölfmal weniger Gattern; die Angaben beruhen auf Claudes Entwürfen und den im Bericht beschriebenen Prüfungen. Der Text nennt auch Claudes anfängliche Neigung, neue Ansätze zu wenig zu verfolgen, und betont, dass Schaltkreisentwurf nur ein Teil der Entwicklung fehlertoleranter Quantencomputer ist.

Mittel

Anthropic berichtet, Claude habe bei acht Aufgaben aus Quantenchemie, Optimierung, Simulation und Zahlentheorie Schaltkreise entworfen, die laut automatischer Prüfung weniger Qubits und Gatter als die besten zuvor veröffentlichten Entwürfe benötigen. Claude arbeitete dabei in einer Rückkopplungsschleife: Es schlug Code vor, ein Programm prüfte die Korrektheit und bewertete die Ressourcen, und Claude verbesserte den Entwurf.

Zwei Beispiele stehen im Mittelpunkt. Für elliptische Punktaddition entwickelte Claude eine reversible Variante des Divsteps-Verfahrens. Es rekonstruierte dabei einen Teil der benötigten Verzweigungsinformationen, statt sie vollständig zu speichern. Ein Entwurf nutzt laut Bericht 12 Prozent mehr Qubits als der frühere Entwurf mit dem geringsten Qubitbedarf, aber 17-mal weniger Gatter. Für einen Reed-Solomon-Decoder wechselte Claude zu Berlekamp-Massey und rekonstruierte die meisten temporären Werte. Simulationen mit 403 Millionen Fällen dienten dazu, den Speicherbedarf für seltene Ausnahmen festzulegen. Der Decoder benötige dadurch 19 Qubits für diesen Speicher und habe zwölfmal weniger Gatter als Googles vorheriger Aufbau; etwa jeder 10.000. Durchlauf scheitere innerhalb der erlaubten Fehlerrate.

Anthropic nennt als Einschränkungen, dass Claude Verbesserungen anfangs zu oft anzweifelte und bekannte Ansätze bevorzugte. Die Resultate betreffen außerdem nur Schaltkreisentwurf, nicht alle technischen Anforderungen an einen Quantencomputer. Die behaupteten Verbesserungen werden im Bericht dargestellt; unabhängige Bestätigung wird dort nicht beschrieben.

Ausführlich lesen

Der Bericht von Anthropic beschreibt Versuche, Claude für den Entwurf effizienterer Quanten-Schaltkreise einzusetzen. Die Ausgangslage: Quantencomputer verfügen laut Bericht bislang nur über Hunderte bis Tausende Qubits, die zudem störungsanfällig sind. Deshalb zählt neben der Zahl der Qubits auch, wie viele Rechenoperationen ein Schaltkreis benötigt. Anthropic ließ Claude acht in Alltagssprache beschriebene Aufgaben aus Bereichen wie Chemie, Optimierung, Physiksimulation und Zahlentheorie bearbeiten. Ein automatisches Prüfprogramm kontrollierte die Korrektheit und bewertete die Entwürfe anhand von Qubit- und Gatterbedarf. Claude erhielt Rückmeldung und konnte seine Vorschläge in einer geschlossenen Schleife überarbeiten, weitgehend ohne menschliche Eingriffe zwischen den Runden.

Anthropic berichtet, Claude habe bei allen acht Aufgaben neue Entwürfe gefunden, die weniger Qubits und Gatter als die zuvor veröffentlichten besten Verfahren benötigten. Als Beispiele stellt der Text zwei Ergebnisse ausführlicher dar. Bei der elliptischen Punktaddition entwickelte Claude eine reversible Variante des Divsteps-Verfahrens für die modulare Inversion. Weil Quantenberechnungen umkehrbar sein müssen, ist es teuer, die während der Berechnung entstehenden Zwischenergebnisse zu speichern oder später zu löschen. Claude leitete laut Bericht mathematische Regeln her, mit denen sich die nötigen Verzweigungsinformationen aus den aktuellen Zahlen rekonstruieren lassen. Die Formel sei durch umfangreiche Simulationen und eine Formalisierung in Lean geprüft worden. Durch unterschiedliche Schwellen dafür, wann Informationen gespeichert oder rekonstruiert werden, entstand eine Reihe von Entwürfen. Einer davon benötigt dem Bericht zufolge 12 Prozent mehr Qubits als der kleinste frühere Entwurf, aber 17-mal weniger Gatter.

Das zweite Beispiel betrifft einen Reed-Solomon-Decoder, der im Quantenoptimierungsverfahren Decoded Quantum Interferometry (DQI) eine besonders aufwendige Rolle spielt. Claude ersetzte die zuvor verwendete Methode durch Berlekamp-Massey-Decodierung, deren gleichförmige Abläufe besser zu einem Quanten-Schaltkreis passen. Außerdem rekonstruierte es die meisten temporären Werte, statt sie dauerhaft zu speichern. Für seltene Ausnahmefälle dimensionierte Claude den Speicher anhand von 403 Millionen simulierten Decodierungen: Ein Entwurf reserviert Platz für einen gespeicherten Wert und benötigt 19 Qubits. Laut Bericht scheitert ungefähr einer von 10.000 Durchläufen, was innerhalb der für die Aufgabe zulässigen Fehlerrate liege. Insgesamt sei die Zahl der Gatter im Decoder gegenüber Googles vorherigem Aufbau um den Faktor zwölf gesunken.

Anthropic ordnet diese Ergebnisse als Hinweis darauf ein, dass KI beim Entwurf von Quanten-Schaltkreisen helfen kann. Der Text nennt auch Grenzen: Claude habe anfangs Verbesserungen zu oft angezweifelt und etablierte Verfahren neuen Ansätzen vorgezogen. Aufforderungen zu mehreren parallelen Ansätzen und gelegentliche Hinweise, breiter zu suchen, hätten dem entgegengewirkt. Zudem ist Schaltkreisentwurf nur ein Teil eines nützlichen Quantencomputers; Fehlerkorrektur, Decoder und Hardwaresteuerung bleiben weitere Aufgaben. Die Aussicht, solche Komponenten gemeinsam durch KI zu optimieren, wird als Möglichkeit beschrieben, nicht als bereits erzieltes Ergebnis. Die Leistungsangaben und Schlussfolgerungen stammen aus dem Bericht von Anthropic; unabhängige Bestätigung wird im Text nicht dargestellt.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die kurze und die mittlere Zusammenfassung wurden gemeinsam bewertet; die mittlere ist detaillierter, enthält aber die verzerrte Aussage zur Fehlerrate. Die Einordnung bezieht sich nur auf die drei angegebenen Sammelfragen, da keine Teilfragen aufgeführt sind.

Im Bericht, aber nicht in der Zusammenfassung

  • Die 53-stündige Läufzeit, in der Claude den Punktaddition-Entwurf ohne menschliche Eingaben entwickelte (nur in der mittleren Fassung erwähnt, in der kurzen fehlt sie).
  • Die formale Überprüfung der Divsteps-Formel in Lean als Teil der Validierung.
  • Die Einordnung, dass die Verbesserungen den Ressourcenbedarf für nützliche Anwendungen deutlich senken und praktische Quantencomputer früher erreichbar machen könnten.

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Die Formulierung, der Decoder scheitere bei etwa jedem 10.000. Durchlauf „innerhalb der erlaubten Fehlerrate“, verzerrt den Bericht: Dort steht, dass Fehlschläge in etwa einem von 10.000 Läufen auftreten und weit unter der erlaubten Fehlerrate liegen.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Unabhängig prüfen
  1. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 23 %einzelne zitierbare Belege
    • JEV 46 %einzelne zitierbare Belege
    • amos 27 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 31 %einzelne zitierbare Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 26 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 25 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 44 %einzelne zitierbare Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 55 %einzelne zitierbare Belege
    • amos 51 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 42 %einzelne zitierbare Belege
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 37 %beantwortet teilweise oder widerspricht
    • amos 24 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Modelle teilen und schützen
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →