Claude ออกแบบวงจรควอนตัมที่ดีกว่างานตีพิมพ์ 7 ใน 8 โจทย์ — ตัว decoder ของ DQI ใช้เกตน้อยลง 12 เท่า และสร้าง modular inversion แบบ reversible ใหม่บนเส้นโค้ง secp256k1 ใน 53 ชั่วโมง แต่วงจรบวกจุดยังไม่ชนะ Schrottenloher ทุกด้าน

วันที่ 16 ตุลาคม 2026 Anthropic เผยแพร่บทความ “Designing more efficient quantum circuits with Claude” พร้อมเปเปอร์ arXiv “Discovering state-of-the-art quantum circuits with large language models” (ส่งขึ้น arXiv 15 ต.ค.) งานนี้นำโดย Andi Gu จากโครงการ STEM Fellows ของ Anthropic ร่วมกับ Susanne Yelin และ Mikhail Lukin จาก Harvard (Lukin สังกัด QuEra Computing ด้วย)

โจทย์คือให้ Claude ออกแบบวงจรควอนตัมพื้นฐาน 8 ตัว ที่อัลกอริทึมใหญ่ด้านเคมี การหาค่าเหมาะสุด การจำลองฟิสิกส์ และทฤษฎีจำนวนต้องเรียกใช้ซ้ำ ๆ โดยรับแค่สเปกเป็นภาษาธรรมดากับตัวตรวจอัตโนมัติที่ให้คะแนนแต่ละแบบ ผลที่ได้ในหลายโจทย์ดีกว่างานตีพิมพ์ที่ดีที่สุดหลายเท่า ข่าวนี้ออกมาเพียงวันเดียวหลังงาน Claude ไขที่มาของ seed เส้นโค้ง NIST และเป็นอีกตัวอย่างของ Anthropic ที่ใช้โมเดลทำงานวิจัยจริงที่ตรวจคำตอบได้

วิธีทำ: ลูปวิวัฒนาการ + ตัวตรวจที่เป็น ground truth

เปเปอร์ระบุว่าใช้ OpenEvolve (เฟรมเวิร์กค้นหาแบบวิวัฒนาการโอเพนซอร์ส) โดยมี Claude Mythos 5 เป็นตัวเสนอสถาปัตยกรรมวงจรและแก้โปรแกรม แต่ละวงจรเขียนเป็นโปรแกรม Python ที่สร้างวงจร ไม่ใช่ลำดับเกตแบน ๆ โมเดลจึงแก้ระดับอัลกอริทึมได้ทีละจุดแล้วผลกระจายไปทุกที่ที่เรียกใช้

คะแนนคือ T×Q หรือจำนวนเกต Toffoli คูณจำนวน qubit สูงสุดที่ใช้พร้อมกัน ตัวตรวจรันวงจรกับอินพุตทดสอบนับหมื่นถึงหลายสิบล้านชุดแล้วคืนผลว่าถูกหรือไม่และใช้ทรัพยากรเท่าไร โมเดล “has no access to the evaluator beyond the feedback returned after each submission” และการเลือกตัวแบบที่เก็บไว้ใช้ MAP-Elites เพื่อรักษาความหลากหลายระหว่างแบบที่ประหยัด qubit กับแบบที่ประหยัดเกต

ผลลัพธ์: ดีกว่าชัดเจนใน 7 โจทย์

ตาราง Table I ในเปเปอร์ (T = Toffoli, Q = qubit, G = อัตราส่วน T×Q ของ baseline ต่อของ Claude)

โจทย์	Baseline (T, Q)	Claude (T, Q)	ดีขึ้น
Reed–Solomon DQI decoder	5.1M, 1,938	440K, 1,837	12×
HHL rotation angle	16K, 300	1,348, 115	32×
Coulomb potential	6,355, 252	1,140, 142	9.9×
Fixed-point Gaussian	24K, 362	1,583, 139	39×
Fe₂S₂ alias–Select	55K, 139	15K, 126	4.1×
Nonabelian lattice-gauge	1.3M, 1,927	170K, 1,859	7.7×

เคสที่บทความเลือกเล่าคือ Reed–Solomon decoder ซึ่งเป็นขั้นที่แพงที่สุดของอัลกอริทึม Decoded Quantum Interferometry (DQI) หนึ่งในผู้สมัครที่น่าจะให้ speedup แบบ superpolynomial บนปัญหาการหาค่าเหมาะสุด Claude ทิ้ง extended Euclidean algorithm ที่ทีม Google ใช้ แล้วเปลี่ยนไปใช้ Berlekamp–Massey ที่ทำขั้นตอนแบบเดียวกันทุกรอบและจำนวนรอบคงที่ ซึ่งเข้ากับวงจรควอนตัมที่ต้องเป็นลำดับเกตตายตัว จากนั้นแทนที่จะจองหน่วยความจำไว้สำหรับกรณีเลวร้ายสุด (665 qubit) Claude เขียนตัวจำลองแล้วรัน 403 ล้านรอบ เพื่อวัดว่าค่าพิเศษเกิดบ่อยแค่ไหน แล้วจองไว้แค่ 19 qubit โดยยอมให้ล้มเหลวราว 1 ใน 10,000 ซึ่งอยู่ในเกณฑ์ที่โจทย์อนุญาต

ข้อควรรู้หนึ่งข้อ: โจทย์ที่ 8 Hermitian DQI decoder ที่เปเปอร์รายงานว่าลด Toffoli ได้ 110 เท่า ใช้ baseline ที่ทีมเขียนเองแบบ naive เพราะ “no prior reversible compilation exists in the literature” ตัวเลขนั้นจึงไม่ใช่การชนะงานตีพิมพ์ ตารางเลยไม่ใส่อัตราส่วนให้

Modular inversion บน secp256k1: ใหม่จริง แต่ไม่ได้ชนะทุกแกน

โจทย์ที่ยากที่สุดคือการบวกจุดบนเส้นโค้งวงรี ขั้นที่กินทรัพยากรมากที่สุดในอัลกอริทึมของ Shor สำหรับแก้ discrete log บนเส้นโค้ง เปเปอร์ใช้ prime p = 2²⁵⁶ − 2³² − 977 ซึ่งคือ เส้นโค้ง secp256k1 ที่ Bitcoin และ Ethereum ใช้ Claude ทำงานต่อเนื่อง 53 ชั่วโมง โดยคนป้อนแค่บรีฟเริ่มต้นกับคำกระตุ้นเป็นครั้งคราว

ผลคือสถาปัตยกรรม modular inversion แบบใหม่ที่ใช้ divsteps (อัลกอริทึมที่ libsecp256k1 ใช้บนคอมพิวเตอร์ปกติ) ปัญหาเดิมคือวงจรควอนตัมต้องเก็บประวัติว่าแต่ละรอบเลือกทางไหนเพื่อย้อนกลับได้ ซึ่งกิน qubit มหาศาล Claude พิสูจน์เอกลักษณ์ทางพีชคณิตชุดใหม่ที่ทำให้ ถอดรหัสทางที่เลือกกลับมาจากตัวเลขที่เหลือได้ แล้วตรวจด้วยการจำลองขนาดใหญ่และพิสูจน์ใน Lean เปเปอร์ระบุว่า “this is the first reversible divstep inversion circuit over a prime field”

แต่ตาราง Table S3 ในภาคผนวกบอกภาพที่ละเอียดกว่าบทความ

แบบ	Toffoli	Qubit	T×Q
Schrottenloher (2026)	1.9M	1,446	2.7×10⁹
Divsteps ของ Claude	4.0M	935	3.7×10⁹
Luo et al. (2026)	70M	838	5.8×10¹⁰

ประโยค “ใช้ qubit มากขึ้น 12% แต่เกตน้อยลง 17 เท่า” ในบทความคือการเทียบกับแบบของ Luo ที่ประหยัด qubit ที่สุด ถ้าเทียบกับ Schrottenloher แบบของ Claude ใช้ qubit น้อยกว่า 35% แต่ใช้ Toffoli มากกว่าราว 2 เท่า และค่า T×Q แย่กว่า นี่คือการขยาย Pareto frontier ไม่ใช่การชนะขาด ซึ่งเปเปอร์เขียนตรง ๆ ว่า “we report no single baseline or gain” ต่างจากย่อหน้าเปิดของบทความที่บอกว่าทั้ง 8 โจทย์ใช้ทั้ง qubit และเกตน้อยลง

มุมมอง AI Curator

สิ่งที่ควรเก็บจากงานนี้ไม่ใช่ “AI ทำให้คอมพิวเตอร์ควอนตัมมาเร็วขึ้น” ซึ่งยังเป็นการคาดการณ์ แต่เป็นสูตรการทำงานที่ใช้ซ้ำได้: โจทย์ที่เขียนเป็นโค้ดได้ ตรวจถูกผิดได้อัตโนมัติ และมีคะแนนต้นทุนที่ชัด คือโจทย์ที่ลูป LLM + evaluator ทำได้ดีกว่ามนุษย์ในเวลาที่สั้นกว่ามาก บทความเทียบเองว่าการลดต้นทุน FeMoco ลง 150,000 เท่าใช้เวลาหลายกลุ่มวิจัยถึงแปดปี ขณะที่งาน elliptic curve นี้มาจากการรันครั้งเดียว 53 ชั่วโมง สูตรเดียวกันใช้ได้กับงานวิศวกรรมทั่วไปอย่าง kernel GPU, query optimizer หรือวงจรดิจิทัล ทีมไทยที่มีโจทย์ลักษณะนี้ไม่จำเป็นต้องมีโมเดลระดับ Mythos ก็เริ่มลองกับ OpenEvolve ได้วันนี้

อีกเรื่องที่น่าสนใจคือข้อสังเกตของ Anthropic เองว่า Claude “conservative by nature” ชอบตรวจซ้ำและเลือกวิธีที่รู้จักอยู่แล้ว ทีมต้องบังคับให้เสนอหลายแนวทางขนานกันและกระตุ้นให้คิดกว้างขึ้นถึงจะได้ไอเดียใหม่ นี่เป็นบทเรียนตรง ๆ สำหรับใครที่ใช้เอเจนต์ทำงานวิจัย: ผลลัพธ์ขึ้นกับการออกแบบการค้นหาพอ ๆ กับตัวโมเดล

ส่วนเรื่อง secp256k1 ไม่มีอะไรต้องตื่นตกใจวันนี้ วงจรทั้งหมดยังต้องใช้เครื่องควอนตัมที่แก้ error ได้ ซึ่งยังไม่มีใครสร้างได้ แต่ทิศทางชัดเจนว่าต้นทุนทางทฤษฎีของการทำลาย ECC กำลังลดลงเร็วกว่าที่หลายคนคิด และตอนนี้ AI เข้ามาช่วยเร่งด้วย ระบบการเงินและ blockchain ที่ต้องอยู่ได้อีก 10–20 ปีควรเริ่มวางแผนย้ายไปใช้ post-quantum cryptography อย่างจริงจัง ไม่ใช่รอให้มีข่าวว่ามีคนสร้างเครื่องได้แล้ว

แหล่งข่าว

• Designing more efficient quantum circuits with Claude — Anthropic
• Discovering state-of-the-art quantum circuits with large language models — arXiv
• OpenEvolve — GitHub