KI entwirft effizientere Quantenschaltungen, Google verbessert Fehlerkorrektur

Divsteps: weniger Gates durch eine neue reversible Umsetzung

Ein hervorgehobenes Ergebnis betrifft Divsteps, ein Verfahren für modulare Inversionen, die unter anderem in der elliptischen Kurvenarithmetik relevant sind. Nach Darstellung des Ausgangsberichts ist die Übertragung auf eine reversible Quantenschaltung schwierig, weil die klassische Berechnung Verzweigungsinformationen erzeugt, die eine Quantenschaltung nicht einfach verwerfen kann. Würde man den gesamten Verlauf speichern, könnte der Speicherbedarf stark steigen. [1]

Dem Bericht zufolge entwickelte Mythos eine Umsetzung, die diese Verzweigungshistorie nicht speichern soll. Dazu habe das Modell zunächst Regeln ausprobiert, die bei größeren Zahlen nicht ausreichten, und anschließend algebraische Identitäten hergeleitet. Die Korrektheit der resultierenden Regel sei mit dem Beweisassistenten Lean formal geprüft worden. Diese Angaben stammen aus der Darstellung der Arbeit; eine unabhängige Prüfung des Beweises ist in den gelieferten Quellen nicht dokumentiert. [1]

Für eine Variante nennt der Ausgangsbericht 12 Prozent mehr Qubits als beim kleinsten zuvor bekannten Entwurf, aber 17-mal weniger Gates. Das wäre kein pauschaler Gewinn in jeder Ressource, sondern ein konkreter Tausch: mehr Speicher gegen deutlich weniger Rechenschritte. Für Betreiber künftiger Hardware könnte das eine relevante Option sein, wenn verfügbare Qubits weniger knapp sind als Gate-Zeit oder Gate-Qualität. Das ist eine technische Folgerung aus den berichteten Kennzahlen, kein nachgewiesener Vorteil auf einem Produktionssystem. [1]

• Der berichtete Faktor 17 bezieht sich auf die Zahl der Gates in einem bestimmten Entwurfsvergleich, nicht auf eine 17-fache Beschleunigung eines gesamten Quantencomputers. [1]
• Eine formale Verifikation kann die Korrektheit einer spezifizierten Schaltung absichern; sie weist für sich genommen weder eine fehlerfreie Ausführung auf realer Hardware noch einen praktischen Laufzeitvorteil nach. [1]

DQI-Decoder: deutliche Einsparung mit einem ausdrücklich akzeptierten Restrisiko

Ein zweites Beispiel ist ein Decoder für Decoding Quantum Interferometry, kurz DQI. Der Ausgangsbericht beschreibt einen Reed-Solomon-Decoder als aufwendigen Bestandteil des Verfahrens und stellt eine frühere Konstruktion mit einem von Google verwendeten Ansatz auf Basis des erweiterten euklidischen Algorithmus einer neuen Lösung gegenüber. Mythos habe stattdessen Berlekamp-Massey-Decodierung eingesetzt, die sich nach Darstellung des Berichts besser in eine feste Folge von Quantenschritten übertragen lasse. [1]

Der Wechsel löst das Speicherproblem nicht automatisch: Temporäre Informationen müssen für die reversible Ausführung erhalten oder später rekonstruiert werden. Laut Ausgangsbericht hätte eine konservative Behandlung aller Ausnahmen in 35 Runden 665 Qubits erfordert. Das Modell habe einen Simulator genutzt, um die Häufigkeit seltener Fälle abzuschätzen, und den Entwurf auf 19 Qubits Speicherplatz ausgelegt. [1]

Diese Reduktion beruht dem Bericht zufolge auf einer bewussten Fehlerbudget-Entscheidung: In ungefähr einem von 10.000 Durchläufen könne ein seltener Fall mehr Speicher benötigen und scheitern. Der Ausgangsbericht bezeichnet diese Rate als innerhalb des zulässigen Fehlerbudgets. Damit ist die niedrigere Ressourcenzahl nicht ohne Bedingungen zu verstehen; sie wird gegen eine definierte Ausfallwahrscheinlichkeit erkauft. [1]

Für den Decoder nennt der Bericht eine zwölfmal geringere Gate-Zahl als bei der verglichenen Konstruktion. 36Kr gibt für die zugrunde liegende Simulation 403 Millionen Testfälle an, während das Video 43 Millionen nennt. Die bereitgestellten Quellen lösen diese Abweichung nicht auf. Auch deshalb sollten die Zahlen als berichtete Resultate und nicht als endgültig bestätigte Benchmarkwerte gelesen werden. [1][3]

Die FeMoco-Erzählung vermischt zwei unterschiedliche Zeitangaben

Der 36Kr-Bericht stellt die Entwicklung rund um FeMoco so dar, als habe Claude in 53 Stunden eine Aufgabe erledigt, für deren Verbesserung Menschen acht Jahre benötigt hätten. Der Ausgangsbericht widerspricht dieser Verkürzung: Die Reduktion des geschätzten Gate-Bedarfs für die Simulation des FeMoco-Komplexes sei über Jahre von mehreren Forschungsgruppen erreicht worden; der 53-Stunden-Lauf von Mythos habe sich auf eine andere Aufgabe zur elliptischen Kurvenarithmetik bezogen. [1][3]

Auch die Werte für FeMoco werden in den Quellen als Vergleich über eine längere Forschungsgeschichte beschrieben: Eine Schätzung von 50 Billionen Toffoli-Gates aus dem Jahr 2017 sei auf ungefähr 340 Millionen gesunken. Der Ausgangsbericht führt diese Entwicklung ausdrücklich auf viele Forschungsgruppen zurück und nicht allein auf Mythos. Die Modellleistung darf daher nicht als autonome Wiederholung oder Beschleunigung dieser gesamten achtjährigen Forschung ausgegeben werden. [1][3]

Die Abweichung ist mehr als eine redaktionelle Nuance. Wer aus einer Verbesserung einzelner Schaltungen auf einen unmittelbar bevorstehenden praktischen Quantenvorteil schließt, überspringt Schritte zwischen algorithmischem Ressourcenschätzer, Hardwareausführung und einer für Unternehmen nutzbaren Anwendung. Die Quellen liefern keine Demonstration, dass Mythos die FeMoco-Simulation auf einem Quantenprozessor ausgeführt hätte. [1][3]

Google demonstriert Magic-State-Kultivierung auf Willow

Der zweite Themenstrang betrifft Googles Fehlerkorrektur. Nach dem Ausgangsbericht demonstrierte Google Quantum AI auf dem Willow-Prozessor Magic-State-Kultivierung. Magic States sind demnach ein benötigter Baustein für universelle Quantenberechnungen, aber ihre Erzeugung in ausreichend guter Qualität kann erhebliche Ressourcen beanspruchen. [1]

Das beschriebene Verfahren soll einen verrauschten Zustand in einen kleineren Bereich des Chips einbringen und durch abgestimmte Messungen fehlerhafte Versuche erkennen und verwerfen. Die verbleibenden Zustände werden laut Bericht gereinigt und in eine größere, nutzbare Kodierung überführt. Die praktische Bedeutung liegt damit nicht in einer allgemeinen Beschleunigung jeder Berechnung, sondern in einer möglichen Entlastung eines spezifischen Ressourcenengpasses der fehlertoleranten Quanteninformatik. [1]

Der Bericht nennt eine etwa 40-fache Verringerung der Fehler und eine logische Fidelity von 99,99 Prozent bei T-Zuständen. Diese Zahl bezeichnet in der Darstellung die Qualität eines logischen Zustands nach Fehlerkorrektur, nicht die Gesamtgenauigkeit des Willow-Chips oder die Zuverlässigkeit jeder einzelnen Operation. Eine solche Unterscheidung ist wesentlich, weil Kennzahlen zu logischen Zuständen, physischen Qubit-Gates und vollständigen Berechnungen unterschiedliche Ebenen beschreiben. [1]

Als weiteren Versuch beschreibt der Bericht die Übertragung von Zuständen aus einem Color Code der Distanz drei in einen Surface Code der Distanz fünf; die Zustände hätten den Transfer überstanden. Zugleich hält die Quelle fest, dass die Methode noch auf größere Systeme skaliert werden müsse und weitere Herausforderungen bestünden. Die Meldung ist somit ein Hardware-Ergebnis, aber kein Beleg für eine bereits fertig skalierte fehlertolerante Maschine. [1]

Einordnung für Unternehmen: Forschungsfähigkeit ist noch keine Einsatzreife

Für Unternehmen liegt der kurzfristig greifbarste Punkt in der Methodik des Mythos-Experiments: Ein Modell kann Vorschläge erzeugen, während ein separates, deterministisches Prüfprogramm Korrektheit und messbare Zielgrößen bewertet. Wo sich Aufgaben in zuverlässige Tests übersetzen lassen, ist ein solcher Ansatz prinzipiell als Forschungswerkzeug interessant. Die vorliegenden Beispiele belegen jedoch keine allgemeine Übertragbarkeit auf Aufgaben, für die es keinen eindeutigen automatischen Prüfer oder keine belastbare Bewertungsfunktion gibt. [1]

Eine frühere TIME-Berichterstattung beschreibt einen anderen Fall KI-gestützter Quantenforschung: Ein Team um Oratomic habe KI zur Optimierung von Algorithmen für atomare Quantencomputer genutzt. Laut dem Artikel blieben Menschen dabei für Fragestellung und Steuerung zentral; das Team habe die abgeleiteten Ergebnisse monatelang geprüft, und die Arbeit sei zum Zeitpunkt des Berichts noch nicht peer-reviewt gewesen. Dieser Vorgang ist nicht mit Mythos oder Googles Willow-Experiment gleichzusetzen, zeigt aber, warum KI-gestützte Entdeckung und unabhängige wissenschaftliche Validierung getrennt bewertet werden müssen. [5]

Für Forschungs- und Technologieverantwortliche folgt daraus kein belastbarer Zeitplan für kommerzielle Quantenanwendungen. Die Anthropic-Zahlen beziehen sich auf Entwürfe und Ressourcenschätzungen; Googles Befund betrifft eine bestimmte Fehlerkorrekturtechnik auf einem bestimmten Prozessor. Beides kann spätere Systementwicklung erleichtern, ersetzt aber weder die Skalierung noch den Nachweis, dass eine konkrete Unternehmensaufgabe auf einem realen, ausreichend zuverlässigen Quantencomputer wirtschaftlich besser lösbar ist. [1]

Auch für die Cybersicherheit rechtfertigen die Ergebnisse keine unmittelbare Neubewertung bestehender Verschlüsselung allein auf Basis der hier berichteten Multiplikatoren. Die Quellen beschreiben weder einen Angriff auf aktuelle Kryptografie noch eine Maschine, die solche Verfahren praktisch brechen könnte. TIME hatte im April 2026 zu einem anderen Forschungsprojekt berichtet, dass damalige Quantencomputer für eine solche Bedrohung noch zu klein seien; diese Einschätzung ist zeitgebunden und keine Prüfung der Oktober-Ergebnisse. Für Unternehmen bleibt deshalb die sachgerechte Folgerung, technische Fortschritte aufmerksam zu verfolgen, aber algorithmische Verbesserungen nicht mit einem bereits verfügbaren kryptografischen Angriff gleichzusetzen. [1][5]

Der Maßstab für den nächsten Schritt ist Reproduzierbarkeit

Die Mythos-Meldung ist vor allem deshalb bemerkenswert, weil die berichteten Entwürfe nicht nur Parameter bekannter Schaltungen optimieren sollen: Im Divsteps-Beispiel wird eine neue reversible Formulierung behauptet. Zugleich beruht die Bewertung auf einem festgelegten Prüfsystem und einem Ressourcenmaß, dessen Verhältnis zu realen Laufzeiten und Hardwarekosten begrenzt ist. Die entscheidenden nächsten Fragen betreffen daher die unabhängige Reproduktion, die Offenlegung und Prüfung der Auswertungsbedingungen sowie den Vergleich auf realistischen Hardwaremodellen. [1]

Bei Google ist der Nachweis näher an der Hardware, aber ebenfalls spezifisch: Die berichtete Kultivierung wurde auf Willow demonstriert, während die Übertragbarkeit auf größere Systeme laut Quelle noch aussteht. Zusammengenommen markieren die beiden Meldungen Fortschritte an unterschiedlichen Stellen einer langen technischen Kette. Sie erlauben eine nüchterne Aussage über verbesserte Entwurfs- und Fehlerkorrekturverfahren, nicht aber die Schlussfolgerung, Quantencomputing sei bereits für breite industrielle Anwendungen »gebrochen« oder unmittelbar einsatzbereit. [1]

Quellen

1. [1] Mythos 5 and Google Just Broke Quantum Computing (Major Breakthroughs) - YouTube — https://www.youtube.com/watch?v=X7_RuX-eMn0 (abgerufen am 2026-10-18)
2. [3] Mythos 5 Solves Critical Quantum Computing Breakthrough – Major Quantum Problem Cracked — https://eu.36kr.com/en/p/4029231447446152 (abgerufen am 2026-10-18)
3. [5] AI Helped Spark a Quantum Breakthrough. The World 'Is Not Prepared' — https://time.com/article/2026/04/07/ai-quantum-computing-advance (abgerufen am 2026-10-18)