量子计算依赖于量子比特（qubits），它们可以通过称为叠加的现象同时处于多种状态。然而，目前的量子硬件受到量子比特数量较少以及对环境噪声高度敏感的限制。为了使量子计算机在化学或材料科学等领域具有实用性，研究人员必须设计“电路”——即被称为门（gates）的操作序列——以最大限度地减少量子比特的数量和使用的总门数。这种设计中的一个关键挑战是量子电路必须是可逆的；与经典程序不同，它们不能简单地丢弃中间的“草稿”数据或使用标准的“如果-那么”分支逻辑，因为这样做会导致量子状态坍缩。这在空间（量子比特）和时间（门数）之间创造了一个艰难的权衡。
在 Anthropic STEM Fellows 项目领导的一项研究中，研究人员为 Claude 提供了八种不同量子计算原语的自然语言规范。他们建立了一个闭环系统，由 Claude 用 Python 提出电路设计，然后由自动评估器进行处理。该评估器检查设计的正确性，并根据所使用的量子比特和门数的乘积分配分数。在长达 53 小时的大部分时间内，Claude 在几乎没有人工干预的情况下，发现了在八项任务中的七项中表现优于此前发表的最佳电路的新颖设计。在某些情况下，这些改进达到了一个数量级或更多，例如一种用于模运算的新可逆架构，使得此前在可逆算术中不可行的“divsteps”算法能够用于量子计算。
该图像展示了核心研究结果，即 Claude 被用于设计更高效的量子电路。
Claude 的成功归功于其揭示结构和数学见解的能力，而不仅仅是微调现有设计。例如，在模拟硫化铁分子时，该模型识别出了允许某些结果仅计算一次并重复使用的对称性。在其他情况下，它识别并去除了仅对极少数输入才必要的昂贵组件。虽然这些优化显著减少了有用应用所需的资源，但结果也突显了一个特定的权衡：Claude 的新设计有时会使用略多一点的量子比特，以实现门数的大幅减少（最高减少 17 倍）。这表明 AI 可以作为量子算法的强大协同设计者，潜在地加速医学、电池技术和工业催化等领域实用量子应用的实现进程。