Anthropic 官方研究页面发布了一篇题为《Designing more efficient quantum circuits with Claude》的文章，归类为论文。从标题看，该工作探讨的是如何借助 Claude 设计效率更高的量子电路。页面目前未提供摘要，具体方法、实验设置与结论需以原文为准。
量子电路是量子计算的基本执行描述：一个算法要落到真实硬件上，必须先被编译成由一系列量子门组成的电路。在含噪中等规模量子硬件条件下，门数量与电路深度直接影响计算能否在退相干发生前完成，因此"更高效"通常意味着更少的门、更浅的深度，或更贴合硬件拓扑的连接结构。这类优化长期依赖人工经验与专用编译器，搜索空间大、容易陷入局部最优，是典型的组合优化难题。
把大模型引入这一环节值得关注的原因有两点。其一，它属于 AI 参与科学发现与工程优化的方向，考察的是模型能否在高度形式化、有严格正确性约束的领域里给出可用方案，而不只是生成文本。其二，如果模型能稳定产出更短或更浅的电路，收益可以直接转化为对现有量子硬件的更有效利用，而不必等待硬件本身升级。
对 AI 从业者而言，这类工作的看点在于评估方式：量子电路的正确性可以严格验证，效率可以量化比较，算是一个相对干净的测试场。后续值得跟踪的是模型与专用编译器、启发式搜索等经典基线的对比结果，以及该方法能否迁移到其他形式化设计任务上。原文链接：https://www.anthropic.com/research/designing-efficient-quantum-circuits