Por Canuto  

Claude Mythos 5 diseñó circuitos cuánticos que superaron referencias anteriores en siete de ocho pruebas y, en una de ellas, redujo hasta 17 veces el número de puertas. El resultado apunta a una posible ayuda de la IA para optimizar diseños, aunque el ahorro vino acompañado de una pequeña compensación en qubits.
***

  • Anthropic informó que Claude Mythos 5 superó diseños de vanguardia previos en siete de ocho tareas computacionales.
  • El mayor recorte correspondió a una arquitectura de inversión modular, que usó hasta 17 veces menos puertas, pero requirió ligeramente más qubits.
  • El circuito cerrado combinó propuestas del modelo con un evaluador automatizado que comprobó la corrección y puntuó el uso de puertas Toffoli y qubits.

 

Anthropic informó el 16 de octubre de 2026 que Claude Mythos 5 diseñó circuitos cuánticos que superaron referencias de vanguardia en siete de ocho tareas, con una reducción de hasta 17 veces en el número de puertas para uno de los diseños. El experimento usó un evaluador automatizado para comprobar que cada circuito funcionara correctamente y medir sus recursos, mientras el modelo proponía y refinaba soluciones con intervención humana mínima después de las indicaciones iniciales.

El resultado no significa que Claude haya construido una computadora cuántica ni que los circuitos ya se ejecuten en hardware real. Su aporte estuvo en encontrar diseños lógicos más compactos para problemas seleccionados, un paso relevante porque las máquinas actuales disponen de recursos limitados y son sensibles a los errores que pueden acumularse durante una secuencia de operaciones, detalla CryptoBriefing.

Cómo se puso a prueba el modelo

Un circuito cuántico funciona como una receta: especifica qué operaciones lógicas aplicar a los qubits, las unidades básicas de información de una computadora cuántica. En general, una receta que necesita menos operaciones puede resultar más sencilla de ejecutar, aunque el número de puertas no es el único factor que determina su viabilidad en una máquina física.

Anthropic seleccionó ocho tareas computacionales procedentes de distintas áreas científicas. La lista incluyó problemas de química, optimización, simulación física y teoría de números, y Claude recibió las instrucciones en lenguaje natural para desarrollar circuitos que resolvieran cada desafío.

El proceso siguió un esquema evolutivo de circuito cerrado: Claude proponía un diseño, el sistema evaluador lo calificaba y el modelo utilizaba esa retroalimentación para intentarlo de nuevo. Tras las instrucciones iniciales, el sistema trabajó con una intervención humana mínima, de acuerdo con la descripción del proyecto.

El evaluador tenía dos responsabilidades centrales: verificar que el circuito produjera resultados correctos y puntuar los recursos utilizados. Entre las métricas figuraban las puertas Toffoli y la cantidad de qubits; una puerta Toffoli es una operación lógica que involucra tres qubits. Así, los diseños incorrectos no avanzaban solo por parecer plausibles, y la evaluación podía comparar soluciones según su costo computacional.

El ahorro y la compensación en qubits

Claude obtuvo diseños con menos puertas Toffoli y menores requisitos de qubits que las referencias previas en siete de las ocho tareas analizadas. El caso más destacado fue una arquitectura de inversión modular, que alcanzó una reducción de hasta 17 veces en el conteo de puertas frente a los enfoques anteriores.

Ese resultado tuvo una contrapartida: la arquitectura de inversión modular necesitó ligeramente más qubits para conseguir el ahorro en puertas. No se trata de una mejora uniforme en todas las dimensiones, sino de un intercambio entre recursos que importa porque los qubits siguen siendo escasos en el hardware cuántico disponible.

La octava tarea no produjo una mejora frente a los diseños existentes. Ese límite pone el resultado en perspectiva: el experimento no demuestra que el modelo pueda superar cualquier solución humana ni que la optimización automática funcione por igual en todos los problemas, sino que encontró ventajas en un conjunto concreto de pruebas.

La evaluación también ayuda a distinguir una solución correcta de una propuesta que solo parece convincente. Como el juez comprobaba el resultado y no únicamente la forma del circuito, la retroalimentación podía orientar nuevas iteraciones hacia diseños válidos y con menos recursos, un componente clave del método descrito por Anthropic.

Qué puede cambiar para la investigación cuántica

El proyecto fue liderado por el investigador Andi Gu a través del STEM Fellows Program de Anthropic, con colaboradores de Harvard Quantum Initiative y QuEra Computing. La compañía vinculó el método con capacidades de los modelos de lenguaje, como escribir código y razonar paso a paso, y con un sistema de evaluación que comprueba cada propuesta.

El contexto de la computación cuántica ayuda a entender por qué el conteo de puertas recibe tanta atención. El hardware actual es ruidoso y limitado, y solo puede ejecutar una cantidad determinada de operaciones antes de que los errores se acumulen; por eso, reducir la complejidad de un circuito podría facilitar su ejecución, aunque el desempeño final depende también de otros recursos.

Como ejemplo de los esfuerzos previos de optimización, Anthropic señaló avances liderados por humanos en el problema de química de FeMoco, un objetivo de simulación molecular. En ese trabajo, los requisitos estimados pasaron de aproximadamente 50 billones de puertas Toffoli a alrededor de 340 millones; la nota presenta esas cifras como antecedente, no como un resultado obtenido por Claude en esta prueba.

La implicación más inmediata del experimento está en el proceso de investigación: si un modelo puede explorar diseños y recibir una evaluación automática, los equipos podrían examinar más alternativas que mediante una búsqueda completamente manual. Eso no elimina la necesidad de especialistas, validación ni hardware capaz de ejecutar los circuitos, pero sugiere una herramienta adicional para una tarea de optimización difícil.

Alcances y límites de la demostración

Las ocho tareas evaluadas son una selección, por lo que no bastan para establecer que Claude optimizará cualquier circuito cuántico o resolverá de forma general los problemas de escalabilidad del sector. Además, la ventaja de la inversión modular vino con una demanda algo mayor de qubits, una condición que puede ser relevante precisamente porque ese recurso es limitado.

También conviene separar el diseño lógico de la ejecución física. El experimento comparó circuitos según su corrección y sus recursos estimados, pero la información divulgada no afirma que los diseños se hayan ejecutado en una computadora cuántica real ni que hayan demostrado una mejora experimental en hardware.

La iniciativa forma parte de una apuesta por presentar modelos de IA como colaboradores en tareas científicas, más allá de su uso como asistentes de conversación o programación. En este caso, la colaboración consistió en generar y refinar circuitos bajo evaluación automática, mientras los investigadores definieron el marco y participaron en el proyecto.

Por ahora, el dato más sólido es acotado pero significativo: en siete de ocho pruebas, los diseños de Claude mejoraron las referencias consideradas, y uno llegó a usar hasta 17 veces menos puertas. La siguiente pregunta será cuánto de esa ventaja se conserva al ampliar los problemas y trasladar los diseños a las restricciones de máquinas cuánticas concretas.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados