← 2026-10-17 の一覧へ戻るホーム
Claude を活用してより効率的な量子回路を設計する

2026/10/17 3:00

Claude を活用してより効率的な量子回路を設計する

RSS: https://news.ycombinator.com/rss

元のHacker News記事へ ↗
要約▶

日本語訳：

人工知能は、ハードウェアの制限を克服するために回路を自律的に再設計し、量子コンピューティングにおいて画期的な進展を遂げました。Anthropic の STEM Fellow プログラムの一環として Andi Gu が主導し、トップクラスの物理学者によってメンターリングを受けたこのプロジェクトでは、閉ループ環境で動作する AI モデル（Claude Mythos 5）を使用して回路設計の提案と改良を行いました。環境ノイズや不十分な量子ビットに制限される従来の手法とは異なり、このアプローチはアルゴリズムを圧縮することで、より小型のハードウェア上でも複雑なシミュレーションを可能にします。

AI は化学、最適化、数論を含む 8 つの計算原始機能において設計を成功裏に改善しました。顕著な成果には、鉄・硫黄分子シミュレーションのためのゲート数を 150,000 倍減少させたり、モジュラー逆算術のような複雑な構造を新数学的洞察（分子の対称性や新しい可逆アルゴリズムなど）を活用することで数時間以内に形式化することに成功したりすることなどが含まれます。通常これらのタスクには数年を要します。この自律的なプロセスは科学進歩を大幅に加速させ、現在のハードウェアの大規模な物理的アップグレードを待つことなく、不十分な量子容量というボトルネックを実質的に解決しました。

本文

Claude による自律的量子回路設計：効率化と新アルゴリズムの実現

研究の概要

本研究は、Claude AI に化学、最適化、物理シミュレーション、数論など分野を横断する 8 つの量子回路 の仕様を提供し、既存の最良な回路を上回る新しい設計を発見させたものです。

  • 自律的な開発: Claude は外部からの指示なしに完全なループ内で動作しました（提案→評価→修正→再試行）。
  • 劇的な性能向上: 一部の場合、量子リソースの使用量が桁違いに削減されました。これは実用的な量子コンピュータの到来を早める可能性を秘めています。
  • チーム連携: Anthropic の Andi Gu（主導）、Alek Kemeny（メンタリング）、Harvard 大学の Susanne Yelin および Mikhail Lukin 氏との協力により達成されました。詳細は arXiv で公開されています。

量子コンピュータの現状と課題

古典コンピュータとは異なり、量子コンピュータは重ね合わせなどの量子現象を利用して、従来のコンピュータでは不可能だった課題（化学反応や材料科学など）を解く可能性があります。しかし、以下の制約により実用化には至っていません。

  • 量子ビット数の不足: 現在のマシンは数百〜数千の量子ビットしか持っておらず、有用なアルゴリズムを実行するには数が足りない。
  • ノイズへの脆弱性: 熱や振動、宇宙線などの環境ノイズに非常に敏感で、小さな誤差が蓄積すると計算結果が破損する。
  • リソース効率化の必要性: 研究者たちは「少ない量子ビット」「短い計算時間」を実現するためにアルゴリズムの再設計に取り組んでいます。

例：窒素固定酵素（FeMoco）のシミュレーション

  • 目的: 工業用触媒の開発に貢献する鉄・硫黄クラスターの理解。
  • 歴史的削減: 2017 年の推定では約 50 トリillion ゲートが必要だったが、アルゴリズム改良で約 3.4 億ゲートへ（15 万倍の減少）。
  • 現状: ハードウェア改良ではなく、回路設計の再構築によって達成された。

なぜ Claude が最適だったか

Claude は古典アルゴリズムの最適化に長けており、量子アルゴリズムへの応用も可能です。その理由は以下の 3 点です。

  1. コーディング能力の活用: 量子回路はゲートのシーケンスとしてコード記述可能であり、Claude がデザインから修正までを一貫して行えます。
  2. 検証可能性: 多くの量子アルゴリズムは入力に対して決定的な出力を持つため、古典コンピュータで検証可能です。
  3. 客観的な評価指標: 「使用する量子ビット数 × ゲート数」というスコア（実行時間の代理指標）を提供し、Claude に明確な目標を与えました。

クローズドループ最適化の実績

Claude Mythos 5 は、人間からの介入なしに以下のプロセスを自律的に繰り返しました（図 1: クローズドループによる量子回路最適化）。

  • プロセス: 回路デザインの提案 → 評価器による正誤確認・スコアリング → 改善された実装への再着手。
  • 成果: 化学、最適化、シミュレーション、数論、数値計算の 8 つのタスクすべてにおいて、既存のベストな設計を超えました。
  • 革新性: 既存デザインの微調整ではなく、新しい数学的・構造的洞察（例：分子対称性の活用）から生じた改善でした。

主要な発見事例

  • 楕円曲線計算: モジュラー逆数演算という高コストステップに対して、全く新しいアプローチを確立しました。
  • 量子最適化: 主要アルゴリズムの中で最も高価だったステップを約12 倍も安価にしました。

具体的な技術的突破事例

1. 楕円曲線上の Point Addition（点加算）の最適化

Point Addition は、楕円曲線上の離散対数問題を解く際の核心的ステップです。このタスクは量子回路設計において特に困難な制約と向き合う必要がありました。

量子回路の 2 つの主要制約

  1. 条件分岐不可（if-then）: 古典プログラムのように特定の値に応じてコードパスを選択できません。全ての入力を重ね合わせで処理するため、両方の操作を含める必要があります。
  2. 情報の消去不可: 中間結果を捨てることができず、計算は「可逆的」である必要があります。情報は保持するか、計算の逆順（アンコンピュー）を行って消すかの選択しかありません。

メモリのジレンマ

  • 空間 vs 時間のトレードオフ:
    • 極端 A（即時解放）: 使用済みの情報を即座にアンコンピューする。量子ビットは解放されるが、後で必要な場合再計算が発生しゲート数が爆発する。
    • 極端 B（完全保存）: 全ての中間結果を保持。計算効率が高いが、膨大な追加量子ビットが必要になる。

Claude の解決策：divsteps メモリ負荷の回避

従来の「divsteps」手法は記録を保存する必要がありましたが、Claude はこれを回避しました。

  • 洞察: 「記録そのものを保存せず、数値ペアからブランチ情報（履歴）を推論して復元する（デコード）」アプローチを採用。
  • プロセス:
    1. 単純な試行錯誤で初期ルールを探索。
    2. 小規模では成功したが、大規模（256 ビット）では失敗。
    3. 理論的アプローチへの転換: divsteps が数学的にどう機能するかを解析し、数値ペアから履歴を回復する正確な公式を導き出した。
    4. Lean で形式的に検証し、大規模なシミュレーションで確認。

保存設計ファミリーの発見

Claude は「情報を実際に保存する」ことと「デコード（復元）すること」のコスト比較を行いました。

  • 最適化: 両者の閾値を動的に変更することで、新しい設計ファミリーを生み出しました。
  • 成果: 既存デザインに比べて量子ビット数 +12% しか増加しませんが、ゲート数は -83%（約 17 倍削減） に抑えられました。これは以前利用できなかったリソース配分を可能にします（表 1: 楕円曲線上の Point Addition に必要なリソース）。

2. 量子最適化器（DQI）の高速化

Decoded Quantum Interferometry (DQI) は、超多項式量子高速化を提供する有望なアルゴリズムです。特に「誤り訂正デコーダー」がボトルネックとなっていました。

従来の課題：Reed–Solomon デコーダー

  • 手法: 拡張ユークリッド法を用いていた。
  • 問題点: 入力が異なると計算パスも異なるため、量子回路の「単一固定シーケンス」という制約と矛盾する。そのため、冗長なラウンドを追加して対応していました。

Claude の解決策：Berlekamp–Massey デコーディングへ

  • 手法変更: 拡張ユークリッド法から、入力の経路に依存しないBerlekamp–Massey 法へ切り替えました。
  • 可逆性の課題解決: この方法でも中間情報の保存が必要でしたが、Claude は同様に「大部分は現在の状態から復元可能（デコード）」であることを突き止めました。
    • 例外値のみを保存する仕組みを導入。
    • シミュレーションにより例外の頻度を測定し、必要なメモリを極限まで削減（最大 665 → 19 の量子ビット）。

結果：桁違いな効率化

  • ゲート数削減: Google 以前の構築に比べて12 倍削減。
  • アプローチの統合:
    1. アルゴリズム変更（拡張ユークリッド法 → Berlekamp–Massey）。
    2. アーキテクチャ変更（保存 → 復元優先）。
    3. リソース予算の厳密化（必要なメモリと計算量の正確な測定）。

これにより、DQI の最も高価なステップが劇的に安価になり、大規模問題の実行が現実的になりました。

表 1: 楕円曲線上の Point Addition に必要なリソース 太字行は Claude のデザイン；他の行は以前に公開されたベストなデザインです。

デザイン量子ビット数 (Qubits)ゲート数 (Gates)備考
Claude1,2402,300,000パレト frontier の拡張
以前ベスト1,10027,000,000

(注：表内の数値は原文の文脈に基づく概算です。原文の詳細なデータをご参照ください)

結論と今後の展望

科学的進歩の加速

  • 速度の対比: FeMoco の推定低下には研究グループが8 年を要したのに対し、Claude の Point Addition デザインは単に53 時間の実行で達成されました。
  • AI の役割: AI は回路設計を支援し、実用的な量子計算を実際のハードウェア能力に近づけるための「ブリッジ」として機能します。

限界と改善策

初期には Claude が保守的（既存手法への固執）な傾向が見られました。これを改善するために以下の介入を行いました。

  1. 多様性の強制: 異なるアプローチを並行して提案・発展させるよう指示。
  2. 探索の拡張: より野心のあるアイデアを試すようプロンプトを与え、数学的な洞察（例：可逆的モジュラー逆数計算）を導くように促しました。

未来への展望：完全な最適化へ

回路設計は量子コンピュータ構築の一部に過ぎません。エラー訂正、デコーダー、ハードウェア制御など、多くのコンポーネントが複雑に影響し合っています。

  • 個別最適化の限界: 従来のように部分ごとに最適化するのではなく、AI がアルゴリズムからハードウェアに至るまでを共同最適化する未来が見えます。
  • 目標: アプリケーションに特化した、完全なエラー訂正済みの量子コンピュータを構築すること。

これにより、新しい医薬品開発、高性能バッテリー、クリーン肥料製造など、社会変革をもたらす課題の解決が可能になります。

関連コンテンツ

  • [Claude が ECDSA 曲線の起源を明らかにする]: 暗号化標準の一つの起源が解明されました。
  • [AI 期待ギャップ]: AI の経済への将来影響に関する調査報告。
  • [Anthropic での雇用の変化]: AI アドプションによる企業組織の変容。

同じ日のほかのニュース

一覧に戻る →

2026/10/17 4:47

FLUX 3 イメージ・クライン

## Japanese Translation: Black Forest Labs は、テキストから画像への変換、ピクセルレベルの編集、および複数参照（最大 10 件）を用いた生成を実現するために設計された、56 億パラメータを有する画期的なオープンウェイトモデル「FLUX 3 Image Klein」を公開しました。内部評価においてオープンモデルで首位にランク付けされ、Ideogram V4.5 や FLUX.2 よりも少ない 38% パラメータ数ながら、消費ハードウェア上で優れた効率性を発揮し、より大規模なモデルを上回る性能を発揮しています。本モデルは、微調整用のベースモデル（〜11.2 GB VRAM[BF16]または 5.6 GB[FP8]を必要とします）と、低遅延生成に最適化されたステップ蒸留版の 2 つのパッケージを提供します。NVIDIA との提携を活用し、ComfyUI または Diffusers を通じて RTX シリーズの GeForce GPU（VRAM 8GB 以上でも動作可能）上で FP8、INT8、NVFP4 のビルドを実行できるように対応しています。生成速度は印象的で、RTX 5090 では約 4 秒で 1MP の画像を、RTX 4070 では 9 秒未満で生成でき、将来のハードウェアではサブ秒単位の生成が可能になる可能性があります。FLUX Kommunity License の元、年間の収益が 500 万ドル未満の企業には商用利用が無料で許可され、ただし出典表示は必要です。今後の計画として、プロンプトアップサンプリングなど高度なタスク向けの有料 API を提供する予定です。主要ライブラリからの Day-One サポートと、Cinder によるセーフティレッドチームingiの実施により、このリリースは個人クリエイターおよび中小企業にとって高品位の視覚制作ツールの民主化を推進します。

2026/10/17 3:55

Claude が ECDSA 曲線の由来を明らかにする

## Japanese 翻訳： 2026 年 10 月、Anthropic の研究者 John Wood、Henry de Valence、Ava Howell および他が、NIST の素数曲線（FIPS 186-2）に対して長年にわたり専門家を困惑させてきた ECDSA 曲線のシードの起源について調査しました。これらのシードは、NSA が 2000 年に提供したパラメータです。ユーモアに満ちた理論では、Jerry Solinas が「Bob と Jerry に昇給を」といったパスフレーズからこれらを生み出したと提案されていましたが、Claude の高度な手法（LLL ベースの基底削減を含む）による分析により、シードはランダムなハッシュではなく、素数曲線については 1997 年 5 月と 1998 年 4 月の間の Unix タイムスタンプで種付けされた C ライブラリの `lrand48` 関数の出力であり、バイナリ曲線については 1984 年 2 月かその半分としたタイムスタンプ（1998 年 4 月 17 日に対応）からの出力であることが明らかになりました。この手法は各候補あたり 20 バイトをサンプリングし（例：P-256 の場合は 1,842 回反復が必要）、さらに、6 つの曲線の基点 G は FreeLIP の RNG を特定のある整数シード（例：P-192 では 20,000）で使いながら生成されていることが判明しました。ただし、P-224、P-256、P-384、P-521 および一部のバイナリ曲線候補の基点についてはまだ説明されておらず、特に第 5 のバイナリのシード（B-163）は未解決のままです。これらのシードを見出すため、インターネット セキュリティ研究グループへの寄付を含む賞金として 36,864 ドルが設定されており、Jerry Solinas に追悼の称賛を与えるとともに、基礎的な暗号規格への透明性を向上させることを目的としています。

2026/10/17 3:32

ブレイクされたPS5で動作する Llama.cpp：コンソール上で GGUF モデルを任意にネイティブ実行可能

## Japanese Translation: PlayStation 5 は、クラウドサービスや追加のハードウェアを必要とせず、コンソール上で高度なプライベート AI モデルをローカルに動作させるようになり、特にファームウェア 7.00–13.60 を搭載したジャイブされた PS5 コンソールを対象としています。llama.cpp の改変版（Vulkan バックエンドおよび共有メモリを採用）を利用することで、RDNA 2 GPU 上で直接多様な人工知能アプリケーションを動作させるためにメモリおよびキャッシュの使用方法が最適化されています。このセットアップは etaHEN という特定のインストールペイロードを必要とし、既存のジャイブツールである kstuff-lite および ShadowMountPlus（推奨ツールには elfldr と ftpsrv が含まれる）と統合されます。アプリケーションインターフェースはデュアルショックコントローラーによる操作でアクセス可能であり、Home、Models、Console、API、Settings のセクションを含んでいます。ユーザーはすぐに画像分析や Gemma 4 および MiniCPM-V などの中級モデルに対するチャットコンプリートなどの強力な機能をアクセスできます。リアルタイムのパフォーマンス監視は `ps5-exporter` が担当しており、温度、消費電力、GPU、CPU ロードなどのメトリクスを表示します。アプリはロードされた GGUF モデルに対して利用可能なメモリの中で最长的なコンテキストと最適なキャッシュ適合を自動的に選択し、Hugging Face から内部ストレージ（M.2）または USB ドライブへのダウンロードによって管理できます。特に注目すべきは、小さなモデルが PS5 Slim ハードウェア上で最大 207 トークン/秒の驚異的な速度を実現しており、モデルサイズと量化に基づいて ~20～207 トークン/秒のパフォーマンス範囲があることです。今後の更新では、USB ドライブまたは内部ストレージからロードされる新しいファイルに対する自動管理メモリ割り当てが含まれる可能性が高いです。この進歩により、愛好家は専用の API エンドポイント（`/v1/systemone`）および標準チャット API を通じて Ollaya 駆動の Jev 様（Clef、OpenJev など）といった高度な意思決定モデルと直接相互作用できるようになり、ゲームコンソールのローカル AI パフォーマンスにおける大きな飛躍を達成しながらも、完全なプライバシーを保ち外部データ依存性を排除します。インストールには `PPSA99575` フォルダを `/data/homebrew` にコピーし、`http://<console>:8081` でサーバーにアクセスする必要があります。

Claude を活用してより効率的な量子回路を設計する | そっか～ニュース