IA en un minutoNoticiasAgentes
Anthropic afirma que Claude superó los mejores diseños publicados de circuitos cuánticos
Redacción de IA en un minuto · Editor: Jon Elgezabal
En 30 segundos
Anthropic ha conseguido que uno de sus modelos, Claude Mythos 5, encuentre circuitos cuánticos más económicos que los récords conocidos en ocho problemas de química, optimización, física y matemáticas. El modelo trabajó casi solo, guiado por un programa que verificaba y calificaba cada propuesta. En la prueba de curvas elípticas estuvo 53 horas y dio con un diseño de 17 veces menos puertas a cambio de un 12 % de cúbits adicionales.
Anthropic publicó este viernes 16 de octubre un trabajo en el que Claude diseñó circuitos cuánticos (las secuencias de operaciones, llamadas puertas, que un ordenador cuántico aplica a sus cúbits) más pequeños que los mejores publicados hasta ahora; en algunos casos, diez veces mejores o más. Usó para ello Claude Mythos 5, uno de sus modelos. Según la compañía, mejoras así reducen los recursos que exigen las aplicaciones útiles, de modo que los ordenadores cuánticos prácticos podrían llegar antes de lo previsto.
El punto de partida es la escasez: las máquinas cuánticas construidas hasta hoy tienen entre cientos y miles de cúbits, muy sensibles al ruido, y no alcanzan para muchos de los algoritmos que prometen ventaja sobre la informática clásica. Por eso los investigadores llevan años rehaciendo algoritmos para que gasten menos cúbits y menos tiempo. Anthropic pone como ejemplo la simulación de FeMoco, un cúmulo de hierro y azufre de una enzima bacteriana: su coste estimado bajó aproximadamente 150.000 veces desde 2017, en un esfuerzo de ocho años repartido entre muchos grupos.
El equipo describió a Claude en lenguaje corriente ocho tareas de química, optimización, simulación física y teoría de números, y le dio un programa evaluador que revisa si cada propuesta es correcta y la puntúa según los cúbits y las puertas que necesita. Claude escribía el diseño en Python, recibía la nota y lo corregía, sin que nadie interviniera entre una vuelta y la siguiente. En las ocho tareas logró diseños con menos cúbits y menos puertas que los mejores conocidos.
La compañía detalla dos resultados. El primero es la suma de puntos de curvas elípticas, una de las pruebas de referencia del sector. Claude partió de un encargo de un solo párrafo y trabajó 53 horas; la ayuda humana se limitó a ese encargo y a algún aviso para que ampliara la búsqueda. Llegó a un enfoque nuevo, y uno de sus diseños necesita un 12 % más de cúbits que el más pequeño publicado, pero 17 veces menos puertas. Para comprobarlo, Claude escribió además demostraciones en Lean. El segundo es un algoritmo de optimización cuántica llamado DQI: Claude rehízo el decodificador, su paso más costoso, y recortó 12 veces sus puertas frente a la construcción anterior de Google.
Anthropic admite un límite. En las primeras pruebas, Claude era prudente en exceso: ponía en duda las mejoras que encontraba, volvía a revisar resultados ya bien respaldados y tendía a quedarse con métodos conocidos. Para corregirlo, el equipo le exigió desarrollar a la vez varios enfoques distintos y, de vez en cuando, le pidió abrir más la búsqueda. La compañía lo compara con el caso de FeMoco: aquella rebaja llevó ocho años, mientras que el diseño de curva elíptica salió de una sola ejecución de 53 horas.
El trabajo lo dirigió Andi Gu, del programa de becas científicas STEM Fellows de Anthropic, con Alek Kemeny, físico cuántico de la empresa, y con Susanne Yelin (Harvard) y Mikhail Lukin (Harvard y QuEra Computing). El artículo completo está en arXiv, enviado el jueves 15 de octubre. Anthropic recuerda que el diseño de circuitos es solo una parte: un ordenador cuántico útil también necesita corregir sus propios errores y controlar el hardware, entre otros componentes.
Por qué importa · análisis y opinión
El interés está menos en un récord concreto que en el método: un modelo que propone, recibe una nota objetiva y corrige, sin parar, en un campo donde cada paso adelante solía costar meses a equipos especializados. Pero el ahorro es todavía sobre el papel, porque las máquinas actuales siguen cortas de cúbits para muchos de estos algoritmos. Para medir su peso real faltan dos cosas: que otros grupos revisen y reproduzcan los resultados del artículo, y que el mismo enfoque sirva en piezas como la corrección de errores, que la propia Anthropic señala como el resto del camino. La lección va más allá de la física: cuando un problema se puede escribir como código y puntuar de forma automática, merece la pena probar si un agente de IA encuentra soluciones que nadie había visto.
Fuente oficial: Anthropic · Redactada con ayuda de IA: cómo hacemos las noticias
