Claude Mythos 5、量子回路設計でゲート数を17倍圧縮——ハード科学ベンチマーク8項目中7項目で既発表の最優秀記録を超える

2026年10月、AnthropicのSTEM Fellowsプログラムにおいて、Claude Mythos 5が53時間の実験で量子誤り訂正デコーダーなど8つの基礎量子アルゴリズムタスクの設計を完了し、そのうち7タスクで既発表の最優秀方式を超える結果を達成したことが発表された。最も極端なケースでは、ゲート回路数を17倍圧縮した。

事実の整理

実験は研究員Andi Gu氏が主導し、ハーバード大学およびQuEra Computingの研究者が協力した。Claude Mythos 5は自然言語による指示のみで、自律的に方案を提案し、自動化スコアリングのフィードバックを受けて反復最適化を行い、全工程を人手介入なしで完了した。タスクは化学・物理シミュレーション・最適化・数論・数値計算など8つの計算モジュールを網羅している。自動化評価器は各設計の正確性チェックおよびリソース消費のスコアリングを実施した。

特に注目すべき結果の一つは、楕円曲線演算における modular inverse（モジュラー逆数）演算に関するものだ。Claude Mythos 5はdivstepsアルゴリズムに対し、中間値から分岐決定を直接復元できる手法を開発し、完全な分岐履歴を保存する必要性を排除した。最終的なハイブリッド設計は、従来の最小設計より量子ビット数が12%多いものの、ゲート数を17倍削減することを実現した。

メカニズムの解説

量子回路は可逆性を維持しなければならず、一時的な情報を単純に破棄することができないため、分岐決定の保存に大量の追加量子ビットが必要となる。Claude Mythos 5は数学的恒等式の導出、数値シミュレーションによる検証、およびLeanを用いた形式証明を通じて、決定復元メカニズムを実現した。この手法は保存を完全に省略することも、部分的な保存と組み合わせてリソーストレードオフの空間を形成することも可能だ。

同一プロジェクト内では、別の最適化により、先進的な量子最適化アルゴリズムにおける最もコストのかかるステップのコストが約12倍削減された。これらの改善はいずれも、モデルがクローズドループで繰り返し行った設計・テストサイクルから生まれたものだ。

産業への影響

より効率的な回路設計は、量子ハードウェアにおける量子ビット数とゲート操作リソースのトレードオフ圧力を直接緩和する。2017年に算出されたFeMocо基底状態エネルギーシミュレーションのリソース推定値は、約50兆Toffoliゲートから約3億4000万ゲートへと、約15万倍の削減がすでに達成されている。自動化回路最適化がさらに進展すれば、実用的な量子コンピューティング実現までのタイムラインをさらに短縮できる可能性がある。

現在の量子デバイスは量子ビット数が限られており、環境干渉を受けやすい。AIが生成する低リソース回路は、エンジニアが限られたハードウェア上で複雑なアルゴリズムを実行するための選択肢を広げるものだ。

戦略的考察（分析であり、事実ではない）

コード生成から量子アルゴリズム設計への跳躍は、大規模モデルの能力評価の境界がハード科学の核心領域へと浸透しつつあることを示している。これは、既存のベンチマークランキングが依然として自然言語や汎用プログラミングタスクを中心としている場合、モデルが検証可能な科学的発見において発揮する実際の性能を十分に反映できない可能性があることを意味する。将来のベンチマーク設計では、形式的検証とリソース最適化を必要とするハード科学タスクの導入を検討し、評価が能力の進化に後れを取らないようにする必要がある。

量子コンピューティング分野においては、AI支援設計がリソース最適化を加速する常用ツールになり得る一方、ハードウェアの誤り訂正や制御の信頼性といったボトルネックは依然として独立して解決する必要がある。関係するステークホルダーのなかでは、量子ハードウェアメーカーが大規模な量子ビットへの需要を低減できる恩恵を受ける一方、従来の手動回路設計に依存してきたチームは方法論の転換を迫られることになる。