 |
| Pesquisa da Anthropic mostra como o Claude encontrou circuitos quânticos mais eficientes, reduzindo operações em tarefas de matemática, física e otimização. Foto: Ilustração/Anthropic |
Pesquisa da Anthropic mostra como a inteligência artificial pode redesenhar circuitos quânticos, reduzir operações computacionais e aproximar algoritmos de aplicações futuras.
A inteligência artificial começa a demonstrar seu potencial não apenas para escrever códigos e automatizar tarefas, mas também para encontrar soluções em áreas avançadas da matemática e da computação. Em uma pesquisa divulgada em 16 de outubro de 2026, a Anthropic revelou que o Claude conseguiu desenvolver circuitos quânticos mais eficientes em oito tarefas envolvendo química, física, otimização e cálculos numéricos.
O resultado mais expressivo apareceu em uma busca que durou aproximadamente 53 horas. Nesse experimento, o modelo encontrou uma alternativa para reduzir o número de operações necessárias em um circuito relacionado a cálculos com curvas elípticas. Segundo a empresa, uma das soluções utiliza 17 vezes menos operações do que uma referência anterior, embora exija 12% mais qubits.
O avanço chama a atenção porque a computação quântica enfrenta um desafio que vai além da construção de processadores mais poderosos: desenvolver algoritmos capazes de aproveitar o hardware disponível sem desperdiçar recursos.
Como o Claude encontrou soluções mais eficientes
Os pesquisadores forneceram ao modelo descrições dos problemas e acesso a um programa capaz de verificar as soluções propostas e calcular seus custos. O Claude escrevia implementações em Python, recebia o resultado das avaliações e tentava melhorar os circuitos.
Esse processo permitiu que a inteligência artificial explorasse diferentes possibilidades matemáticas em ciclos sucessivos de experimentação. Em vez de depender exclusivamente de uma resposta produzida pelo modelo, o sistema utilizava um avaliador separado para verificar o funcionamento das propostas.
A equipe estudou oito tarefas computacionais. Em sete delas, os circuitos desenvolvidos apresentaram reduções tanto no número de operações quanto na quantidade de qubits em comparação com as referências utilizadas. Na oitava, o modelo encontrou uma combinação diferente entre processamento e memória.
Uma das descobertas envolveu a possibilidade de reconstruir informações intermediárias durante o cálculo, reduzindo a necessidade de armazená-las. Essa característica é importante porque os circuitos quânticos precisam preservar determinadas propriedades matemáticas, o que torna algumas operações mais complexas do que em programas convencionais.
O que muda para a programação e a computação quântica?
A pesquisa mostra como modelos de inteligência artificial podem atuar como ferramentas de investigação científica, indo além da geração tradicional de código. Ao explorar estruturas matemáticas e testar diferentes implementações, a IA pode ajudar pesquisadores a encontrar alternativas que não estavam presentes nos projetos de referência.
Outro resultado envolveu uma etapa de um algoritmo de otimização quântica. De acordo com a Anthropic, a solução encontrada reduziu em aproximadamente 12 vezes a quantidade de operações exigidas nessa parte do cálculo.
Esses resultados, entretanto, não significam que computadores quânticos existentes se tornaram automaticamente mais rápidos ou que aplicações comerciais já podem aproveitar os ganhos. Os experimentos se concentraram no desenho e na avaliação dos circuitos, e não na demonstração de um novo processador quântico executando todas essas tarefas em escala.
A construção de máquinas quânticas úteis continua dependendo de avanços em controle dos qubits, correção de erros e integração entre hardware e software.
Inteligência artificial como ferramenta de descoberta
Para desenvolvedores, pesquisadores e profissionais de tecnologia, o trabalho reforça uma tendência: a inteligência artificial pode contribuir para otimizar sistemas complexos quando dispõe de critérios objetivos para avaliar os resultados.
Na programação convencional, isso pode significar encontrar implementações mais eficientes, identificar gargalos ou testar alternativas. Na computação quântica, a mesma abordagem pode ajudar a reduzir a quantidade de recursos necessários para executar determinados algoritmos.
O próximo passo será avaliar como essas soluções se comportam quando integradas a sistemas quânticos completos e quais benefícios podem oferecer em problemas reais.
A descoberta da Anthropic não representa a chegada imediata de computadores quânticos comerciais mais poderosos. Ela aponta, porém, para uma possibilidade relevante: usar a inteligência artificial para melhorar os próprios algoritmos que poderão tornar essa tecnologia mais útil no futuro.
Fonte: www.anthropic.com
