Anthropic dice que Claude diseñó circuitos cuánticos mejores que los publicados, uno con 17 veces menos compuertas

Anthropic informó este viernes 16 de octubre que su modelo de inteligencia artificial Claude, trabajando casi por su cuenta, diseñó circuitos cuánticos que mejoran a los mejores publicados en ocho tareas de química, optimización, simulación cuántica, teoría de números y cálculo numérico, ^[1]. El resultado más llamativo, según la empresa, corresponde a la suma de puntos en curvas elípticas, la operación central de los algoritmos cuánticos capaces de atacar la criptografía de curvas elípticas: uno de los nuevos circuitos usa 17 veces menos compuertas que el diseño publicado más chico, a cambio de 12% más qubits^[1]. El trabajo se difundió como un artículo de 46 páginas en arXiv, subido el jueves 15, que todavía no pasó por una revisión de pares^[2][3].

La investigación fue liderada por Andi Gu, del programa STEM Fellows de Anthropic, con la mentoría del físico cuántico de la empresa Alek Kemeny, y en colaboración con Susanne Yelin, de la Universidad de Harvard, y Mikhail Lukin, de Harvard y de la empresa QuEra Computing^[1][2]. El modelo utilizado fue Claude Mythos 5^[1].

Un circuito, un evaluador y un puntaje

Los investigadores le dieron a Claude una descripción en lenguaje común de lo que debía calcular cada circuito y un programa evaluador automático. Claude escribía cada diseño como código en Python; el evaluador verificaba que fuera correcto y lo calificaba por la cantidad de qubits multiplicada por la cantidad de compuertas, un indicador indirecto del tiempo de ejecución, y con ese resultado el modelo preparaba el intento siguiente, sin intervención humana entre una ronda y otra^[1]. En el artículo, el puntaje es el producto del número de compuertas Toffoli, una de las operaciones más costosas de un computador cuántico, por el máximo de qubits usados en simultáneo^[2]. La verificación es posible porque, en este tipo de circuitos, cada entrada produce una única salida que una computadora común puede comprobar siguiendo una cadena de bits y su fase^[1][2].

La empresa sostiene que en las ocho tareas Claude encontró diseños con menos qubits y menos compuertas que los mejores algoritmos publicados, en algunos casos por un orden de magnitud o más^[1]. El resumen del artículo lo formula con más precisión: en siete de las ocho, los circuitos reducen a la vez las compuertas Toffoli y los qubits, y en la octava, la inversión modular sobre cuerpos primos, la pieza más cara de la suma de puntos, el aporte es una arquitectura reversible nueva^[2]. Según Anthropic, las mejoras no surgieron de retocar diseños existentes sino de hallazgos estructurales: al compilar un circuito para simular una molécula de hierro y azufre, por ejemplo, Claude advirtió que sus simetrías permitían calcular algunos resultados una sola vez y reutilizarlos^[1].

La suma de puntos, en 53 horas

La suma de puntos combina dos puntos de una curva elíptica para obtener un tercero, y los algoritmos cuánticos para el logaritmo discreto en curvas elípticas la repiten muchas veces, también en sentido inverso; según Anthropic, concentra la mayor parte de su costo en qubits y en tiempo^[1]. Casi todo ese costo está en la inversión modular. En las computadoras comunes se resuelve con un método llamado divsteps, pero hasta ahora no tenía un circuito cuántico práctico: como todo paso cuántico debe ser reversible, el circuito tenía que guardar el registro de qué operación eligió en cada vuelta, lo que exige una enorme cantidad de qubits adicionales^[1][2].

Tras 53 horas de trabajo, con una consigna inicial de un párrafo y algunos pedidos ocasionales de ampliar la búsqueda, Claude llegó a otra idea: deducir ese registro del propio par de números en cada vuelta, sin almacenarlo^[1]. Sus primeras reglas funcionaban en casos chicos y fallaban con números de 256 bits, de modo que pasó a demostrar varias identidades algebraicas nuevas, derivó de ellas una fórmula exacta, la comprobó con simulaciones numéricas a gran escala y la formalizó en Lean, un lenguaje para verificar demostraciones matemáticas^[1]. El resultado es, según la empresa, la primera implementación reversible de divsteps sin historial almacenado^[1]. Variando cuándo conviene guardar un dato y cuándo reconstruirlo, Claude produjo una familia de diseños; uno de ellos es el de 17 veces menos compuertas con 12% más qubits, y el conjunto ofrece combinaciones de qubits y tiempo que antes no existían^[1]. La comparación de Anthropic toma como referencia los trabajos de André Schrottenloher y de Han Luo y otros autores, ambos de 2026^[1][5][6].

Por qué importa contar compuertas

Las firmas digitales de curvas elípticas, como ECDSA, se apoyan en que el logaritmo discreto en esas curvas es intratable para las computadoras comunes; una computadora cuántica lo bastante grande podría resolverlo con el algoritmo de Shor^[1][6]. Por eso el costo de la suma de puntos alimenta las estimaciones de cuándo esas firmas quedarían expuestas. En marzo de 2026, un equipo encabezado por Ryan Babbush, que incluyó a Craig Gidney, Dan Boneh y Justin Drake, estimó que el logaritmo discreto de 256 bits puede resolverse con menos de 1.200 qubits lógicos y menos de 90 millones de compuertas Toffoli, o con menos de 1.450 qubits y menos de 70 millones de Toffoli; eso equivale a menos de medio millón de qubits físicos, con una ejecución de minutos, y los autores instaron a las comunidades de criptomonedas vulnerables a empezar ya la migración a la criptografía poscuántica^[4]. Después, Luo y otros autores bajaron a 835 los qubits lógicos para una curva de 256 bits, frente a 1.098 de Chevignard y otros autores y 1.175 del equipo de Babbush, y Schrottenloher había reportado para la curva secp256k1 entre 6,5% y 10% menos compuertas Toffoli que el equipo de Babbush, con alrededor de 1,5% más qubits^[5][6].

Contar compuertas Toffoli es la forma estándar de estimar cuánto tardará un cálculo cuántico, y cada reducción acorta el camino entre las máquinas actuales, que tienen de cientos a miles de qubits, y las que harían falta^[1]. La publicación de Anthropic no traduce el nuevo diseño en una estimación del costo total de ese ataque^[1].

Un decodificador 12 veces más barato

El segundo resultado destacado apunta a la interferometría cuántica decodificada (DQI), uno de los algoritmos de optimización con más chances de ofrecer una ventaja cuántica fuerte. Según estimaciones de Google Quantum AI citadas por Anthropic, un problema de ese tipo llevaría unos tres meses en Frontier, una de las supercomputadoras más potentes del mundo, y alrededor de una hora en una futura computadora cuántica, la mayor parte dedicada a decodificar códigos Reed–Solomon^[1]. Claude reemplazó el algoritmo de Euclides extendido del diseño anterior por el de Berlekamp–Massey, que repite el mismo paso en cada vuelta: para el paso de localizar los errores, el diseño anterior requería unos 1,9 millones de compuertas Toffoli y Berlekamp–Massey baja a unas 140.000, antes de resolver cómo guardar sus datos intermedios^[1][2].

Ese era el otro obstáculo: reservar memoria para el peor caso, con 35 valores excepcionales, exigiría 665 qubits. Claude escribió un simulador, corrió 403 millones de decodificaciones de prueba y comprobó que casi nunca hace falta guardar más de un valor, por lo que su circuito reserva lugar para uno solo, 19 qubits, y falla en alrededor de una de cada 10.000 corridas, dentro del margen de error que admite la tarea^[1][2]. En conjunto, las compuertas del decodificador bajan 12 veces frente a la construcción previa de Google^[1].

Lo que falta comprobar

Que el artículo no esté revisado por pares significa que ningún especialista externo convocado por una revista científica evaluó todavía sus métodos y conclusiones: arXiv modera lo que recibe, pero aclara que ese proceso no es una revisión de pares^[2][3]. Los circuitos, además, no se ejecutaron en una computadora cuántica: se verificaron y puntuaron con un programa evaluador, y el puntaje de qubits por compuertas es una aproximación al tiempo de ejecución, no una medición en hardware^[1]. Anthropic también reconoce límites del modelo: al principio fue conservador, volvía a verificar resultados ya firmes y prefería enfoques conocidos, por lo que el equipo le exigió explorar varias alternativas en paralelo y, a veces, le pidió ampliar la búsqueda^[1].

La empresa contrasta esos tiempos con los del campo: la estimación del costo de simular el FeMoco, el núcleo de la enzima que fija el nitrógeno del aire, bajó de unos 50 billones de compuertas Toffoli en 2017 a unos 340 millones, unas 150.000 veces menos, gracias al trabajo de muchos grupos durante ocho años, mientras que el diseño de la suma de puntos salió de una sola corrida de 53 horas^[1]. Anthropic sugiere que la inteligencia artificial podría optimizar en conjunto los circuitos, los códigos de corrección de errores y el control del hardware para acercar las primeras computadoras cuánticas tolerantes a fallas a problemas como el diseño de catalizadores y de nuevos materiales^[1].