Claude da Anthropic projeta circuito quântico e reduz número de portas em dezessete vezes

O modelo de inteligência artificial Claude gerou um projeto simplificado de circuito quântico que reduz a necessidade de portas lógicas por um fator de 17, enfrentando um persistente gargalo de memória que restringe a execução de algoritmos quânticos, de acordo com uma reportagem publicada em 16 de outubro de 2026 pelo analista de tecnologia Aamir Khollam. A otimização do projeto representa um ganho significativo de eficiência algorítmica, com potencial para reduzir os recursos de hardware físico e os tempos de coerência necessários para executar sub-rotinas com uso intensivo de memória em processadores quânticos.

## Key facts

- O modelo de inteligência artificial Claude, da Anthropic, gerou um circuito quântico otimizado que requer 17 vezes menos portas lógicas quânticas do que as implementações de referência existentes. - A otimização aborda diretamente os gargalos de memória quântica, que historicamente exigem profundidades de circuito proibitivas para armazenar, recuperar e rotear estados quânticos. - Reduzir a contagem de portas por um fator de 17 diminui significativamente as taxas de erro operacional e a sobrecarga de qubits físicos necessários para a execução tolerante a falhas. - O avanço foi divulgado em 16 de outubro de 2026 pelo repórter de tecnologia Aamir Khollam. - A Anthropic, fundada em 2021 em San Francisco, Califórnia, desenvolve a família de modelos de redes neurais Claude, utilizada em tarefas de raciocínio computacional e síntese de código.

## What happened

Segundo informações de Aamir Khollam, o modelo fundacional Claude, da Anthropic, conseguiu sintetizar o layout de um circuito quântico que opera com um dezessete avos das portas lógicas tipicamente exigidas por designs convencionais. A síntese automatizada concentrou-se especificamente em operações de memória quântica, um notório ponto de estrangulamento estrutural na ciência da computação quântica, no qual os algoritmos precisam ler, escrever ou acessar informações quânticas em registradores distribuídos sem colapsar superposições quânticas delicadas.

Algoritmos quânticos não são executados por meio de portas lógicas booleanas clássicas, como AND, OR e NOT. Em vez disso, dependem de sequências de portas quânticas — transformações matemáticas unitárias executadas por mecanismos físicos, como pulsos de laser ou rajadas de micro-ondas aplicadas a bits quânticos, ou qubits. A profundidade computacional e a complexidade de uma rotina quântica são definidas principalmente pelo número total de portas e pela sequência em que portas de emaranhamento de dois qubits são aplicadas. No circuito sintetizado pelo Claude, o modelo reestruturou a sequência de operações unitárias, descobrindo um caminho matemático alternativo para realizar a transformação idêntica do estado de memória, eliminando cerca de 94% da sobrecarga de portas intermediárias.

Embora a síntese automatizada de circuitos e a otimização de compiladores quânticos sejam há muito subcampos ativos da ciência da computação, pesquisadores humanos e compiladores automatizados frequentemente deparam-se com barreiras combinatórias ao tentar simplificar circuitos que envolvem matrizes unitárias de alta dimensão. A geração, pelo Claude, de uma topologia de circuito alternativa que alcança uma redução de 17 vezes indica que arquiteturas neurais de grande escala podem identificar atalhos algorítmicos que escapam às heurísticas tradicionais de síntese baseadas em regras.

## Why it matters

Na computação quântica prática, a profundidade do circuito é o principal determinante para saber se um algoritmo pode ser executado até a conclusão ou se dissolverá em ruído inútil. Os dispositivos quânticos atuais operam amplamente no regime de escala intermediária ruidosa (NISQ, na sigla em inglês) e nos estágios iniciais de correção de erros tolerante a falhas. Em todas as modalidades físicas de hardware — sejam circuitos transmon supercondutores, íons de itérbio aprisionados, arranjos de átomos neutros de rubídio ou guias de onda fotônicos —, cada operação de porta introduz uma probabilidade finita de erro. Quando as taxas de erro das portas físicas oscilam entre 0,1% e 1% para operações de dois qubits, circuitos profundos contendo milhares de portas acumulam rapidamente erros que degradam a fidelidade do resultado a zero.

Além disso, quando arquiteturas teóricas passam para a tolerância a falhas utilizando códigos de correção de erros quânticos, como o código de superfície, os custos de recursos multiplicam-se exponencialmente. A execução tolerante a falhas exige portas não pertencentes ao grupo de Clifford, sobretudo a porta T, que não podem ser implementadas transversalmente e precisam ser geradas por um processo de uso intensivo de recursos conhecido como destilação de estados mágicos. Em sistemas tolerantes a falhas, fábricas de estados mágicos podem representar mais de 90% da pegada de qubits físicos. Uma redução de 17 vezes na contagem total de portas do circuito — especialmente se reduzir proporcionalmente operações de emaranhamento de múltiplos qubits e portas não-Clifford — diminui drasticamente o limiar de hardware físico necessário para executar algoritmos relevantes. Algoritmos que antes exigiam milhões de qubits físicos com correção de erros para resistir às sobrecargas de acesso à memória poderiam, com uma compilação mais enxuta, ser antecipados em várias gerações de hardware.

Para setores corporativos que acompanham a vantagem quântica, como simulação molecular farmacêutica, análise criptográfica, roteamento logístico e descoberta de materiais, a manipulação de memória permaneceu como uma das principais barreiras operacionais. Se as operações de memória consumirem menos ciclos computacionais, os sistemas híbridos clássico-quânticos poderão gastar seus orçamentos de coerência em cálculos, em vez de recuperação de memória.

## The background

Para compreender a importância de um gargalo de memória quântica, é necessário examinar como a computação quântica gerencia o armazenamento de dados. Na computação clássica, a arquitetura de Von Neumann separa a unidade central de processamento da memória de acesso aleatório (RAM), permitindo que um barramento de endereços leia e grave bytes sem modificar sua integridade lógica. Na computação quântica, não existe uma separação tão direta. Carregar dados clássicos em uma superposição quântica — ou acessar estados quânticos via Memória Quântica de Acesso Aleatório (QRAM) — é um desafio matemático e físico.

Em designs padrão de QRAM, como as arquiteturas bucket-brigade propostas na literatura acadêmica ao longo das últimas duas décadas, consultar o endereço de $N$ células de memória exige o roteamento de sinais por uma árvore intrincada de interruptores quânticos. Cada interruptor requer emaranhamento e coerência de fase. Caso um algoritmo exija consultas coerentes à memória, o número de portas de emaranhamento necessárias cresce rapidamente, criando gargalos de circuitos profundos. Consequentemente, algoritmos teóricos que prometem ganhos de velocidade polinomiais ou logarítmicos no papel — como o algoritmo Harrow-Hassidim-Lloyd (HHL) para sistemas lineares de equações ou certos modelos de aprendizado de máquina quântico — frequentemente perdem sua vantagem prática de velocidade porque as etapas de preparação de estado e de recuperação de memória exigem mais portas do que o próprio cálculo principal.

Durante décadas, a síntese de circuitos dependeu de matemáticos humanos que aplicavam álgebra linear, teoria de grupos e reescritas topológicas, ao lado de ferramentas automatizadas baseadas em cálculo ZX ou correspondência de padrões. Nos últimos cinco anos, a inteligência artificial entrou de forma crescente na compilação de software quântico. Empresas de tecnologia e laboratórios acadêmicos utilizaram aprendizado por reforço e modelos de machine learning para otimizar o roteamento de qubits e reduzir a sobrecarga de portas SWAP em topologias de chip específicas. A Anthropic, corporação norte-americana de benefício público na área de inteligência artificial fundada em 2021 por ex-integrantes seniores da OpenAI, tem focado intensamente nas capacidades avançadas de raciocínio científico e matemático de sua série de modelos Claude. A aplicação de modelos de raciocínio de grande escala às restrições simbólicas e unitárias da lógica quântica representa uma extensão da demonstração automatizada de teoremas e da descoberta científica impulsionadas por IA.

## Reaction

A comunidade científica em geral e o setor de computação quântica devem avaliar o projeto de circuito do Claude por meio de preprints acadêmicos formais e de replicação experimental. Pesquisadores em ciência da informação quântica em instituições como o Massachusetts Institute of Technology, a University of Oxford e o Max Planck Institute of Quantum Optics realizam rotineiramente testes de referência com afirmações de síntese automatizada em relação a frameworks consolidados de compiladores, como o Qiskit da IBM, o Cirq do Google e o TKET da Cambridge Quantum.

Fabricantes de hardware devem examinar se o circuito 17 vezes mais enxuto adere rigorosamente aos conjuntos de portas nativas. Desenvolvedores industriais de hardware que atuam em plataformas supercondutoras (como IBM e Google Quantum AI), arquiteturas de íons aprisionados (como Quantinuum e IonQ) e configurações de átomos neutros (como a QuEra Computing) avaliam otimizações de circuito feitas por terceiros com base na capacidade de as portas reduzidas se traduzirem em operações nativas de um e dois qubits no hardware, sem a necessidade de dispendiosas etapas de decomposição que anulem os ganhos teóricos.

Observadores do setor e desenvolvedores de software também aguardam documentação formal da Anthropic sobre as instruções (prompting), os mecanismos de verificação e os limites algorítmicos utilizados durante a geração do circuito pelo Claude.

## What we don't know yet

Diversos detalhes técnicos permanecem sem confirmação na cobertura inicial. O principal deles é a linha de base matemática exata em relação à qual a redução de 17 vezes foi medida. A reportagem não especifica se o circuito de referência foi um layout ingênuo e não otimizado de QRAM, uma arquitetura padrão bucket-brigade ou a saída de um compilador industrial já otimizado. Sem um circuito de referência especificado, torna-se difícil calcular a redução absoluta exata na profundidade do circuito.

Além disso, ainda não está claro se o projeto do circuito é exato ou aproximado. Na compilação de circuitos quânticos, os compiladores frequentemente trocam exatidão por concisão ao tolerar um pequeno limite de erro, conhecido como épsilon, na síntese unitária. Caso o circuito do Claude seja uma equivalência unitária exata, ele representará um avanço puramente matemático; se for uma síntese aproximada, sua utilidade dependerá inteiramente de o erro de aproximação estar dentro dos limites permitidos de tolerância a falhas.

Por fim, as informações divulgadas não afirmam se a redução de 17 vezes foi executada fisicamente em hardware quântico real ou se existe apenas como uma prova matemática validada e um diagrama de circuito verificado por simulação clássica.

## What to watch

O principal desdobramento a ser acompanhado nos próximos meses é a publicação prevista de um white paper técnico detalhado ou de um preprint revisado por pares em repositórios como o arXiv. Tal publicação revelaria a matriz completa de portas quânticas, o número exato de qubits auxiliares (ancilla) utilizados, o Hamiltoniano ou transformação unitária de destino e o conjunto específico de portas utilizado na compilação.

Observadores também devem ficar atentos a execuções de verificação independente por equipes de compiladores quânticos. Se ferramentas como o Qiskit ou o TKET integrarem o design de memória topológica do Claude como uma rotina padrão de síntese, engenheiros de software de todo o mundo poderão incorporar a redução de 17 vezes em seus fluxos de trabalho algorítmicos.

Por fim, resultados experimentais de laboratórios de hardware determinarão o desempenho no mundo real. Demonstrações físicas comparando taxas de erro e fidelidade de estado durante a execução do circuito de memória tradicional frente à alternativa mais enxuta do Claude em chips de processadores reais comprovarão se a redução matemática se traduz em ganhos mensuráveis de coerência em ambientes de laboratório.

Esta reportagem baseia-se na apuração original de Aamir Khollam.