Claude reduz o custo de circuitos quânticos, mas o ganho de 17 vezes exige contexto

A computação quântica depende tanto de máquinas melhores quanto de programas mais eficientes. Um estudo de pesquisadores ligados a Harvard, Anthropic e QuEra explorou essa segunda frente com Claude. O modelo propôs circuitos que reduziram recursos em diferentes tarefas matemáticas. Entre os resultados está um projeto com cerca de 17 vezes menos operações que uma referência anterior, embora exija mais qubits. A comparação tem limites importantes. 

Como a IA participou da pesquisa

O estudo disponibilizado no arXiv apresenta um sistema que combina propostas de um modelo de linguagem com um avaliador independente. A IA escreve programas que descrevem circuitos. O avaliador verifica seu funcionamento e calcula os recursos necessários.

Depois, o modelo usa essa resposta para revisar a proposta. O processo permite experimentar diferentes formas de executar a mesma tarefa, mantendo um critério objetivo para comparar os candidatos.

Os pesquisadores trabalharam com oito problemas ligados a química, otimização, simulação física, cálculo numérico e teoria dos números. Segundo o artigo, sete apresentaram reduções tanto na quantidade de portas Toffoli quanto no número de qubits em relação aos melhores projetos publicados. Na oitava tarefa, o avanço ampliou as opções de equilíbrio entre esses dois recursos.

O que significa usar menos portas

Qubits são as unidades de informação de um computador quântico. Já as portas representam operações aplicadas durante um cálculo. As portas Toffoli têm um custo relevante, por isso sua contagem ajuda a estimar os recursos de uma implementação.

Economizar operações e economizar qubits são objetivos relacionados, mas nem sempre caminham juntos. Um circuito pode executar menos etapas enquanto reserva mais espaço para resultados intermediários.

Na explicação publicada pela Anthropic, o exemplo de maior destaque envolve cálculos com curvas elípticas. Um dos projetos usa 12% mais qubits, mas aproximadamente 17 vezes menos portas que o projeto anterior com menor quantidade de qubits.

Isso exige cuidado ao interpretar o número. A referência escolhida priorizava economia de qubits. Portanto, a redução não demonstra superioridade sobre todos os projetos existentes, em qualquer critério. Também não equivale a uma medição de velocidade em um computador quântico físico.

O desafio de desfazer os cálculos

Uma dificuldade central está na reversibilidade. Nos circuitos estudados, informações temporárias precisam ser eliminadas por operações que desfazem sua produção. Simplesmente apagar esses dados, como ocorre em programas convencionais, não resolve o problema.

Guardar todo o histórico exige qubits adicionais. Reconstruir informações quando necessário pode economizar espaço, mas acrescenta operações.

O texto completo da pesquisa descreve soluções que recuperam decisões anteriores a partir dos valores ainda disponíveis. Assim, parte do histórico deixa de precisar de armazenamento separado. Esse mecanismo ajudou a adaptar o método matemático divsteps à computação reversível.

Um avanço no projeto dos algoritmos

O trabalho foi apresentado como preprint. Seus resultados tratam do desenho e da avaliação de circuitos, uma etapa necessária para transformar algoritmos em aplicações.

A contribuição é mostrar como propostas geradas por IA podem ser submetidas a verificações e comparações mensuráveis. Para os pesquisadores, essa combinação abre espaço para desenvolver novas estruturas de cálculo quântico e reduzir os recursos exigidos por tarefas futuras.