AlphaEvolve: Der Gemini-gestützte Agent von DeepMind optimiert Algorithmen in den Bereichen Genomik, Stromnetze und TPC-Schaltkreise

Google DeepMind hat ein Update zu AlphaEvolve veröffentlicht, ihrem von Gemini betriebenen Codierungs-Agenten für Algorithmenentwicklung. Ursprünglich vor einem Jahr vorgestellt, wird er nun in der Genomik, Stromnetzoptimierung, Geowissenschaften, Quantencomputing, Mathematik und KI-Infrastruktur eingesetzt.

Wichtige Ergebnisse aus der Quelle

• Genomik: AlphaEvolve verbesserte DeepConsensus (Googles DNA-Sequenzierungsfehlerkorrekturmodell) durch eine 30%ige Reduzierung von Variantenerkennungsfehlern. PacBio berichtet von höherer Genauigkeit für Sequenzierungsinstrumente, was möglicherweise die Entdeckung bisher versteckter krankheitsverursachender Mutationen ermöglicht.
• Netzoptimierung: Angewandt auf das AC Optimal Power Flow-Problem, erhöhte es die Machbarkeitsrate eines trainierten GNN-Modells von 14 % auf über 88 %, wodurch kostspielige Nachbearbeitungen für Stromnetze reduziert werden.
• Geowissenschaften: Die automatisierte Optimierung von Earth-KI-Modellen erhöhte die Genauigkeit der Vorhersage von Naturkatastrophenrisiken (Waldbrände, Überschwemmungen, Tornados) um 5 % in 20 Kategorien.
• Quantenphysik: Vorgeschlagene Quantenschaltkreise für Googles Willow-Prozessor mit 10-fach niedrigerem Fehler im Vergleich zu konventionellen Baselines, was erstmalige experimentelle Demonstrationen ermöglichte.
• Mathematik: In Zusammenarbeit mit Terence Tao half AlphaEvolve bei der Lösung von Erdős-Problemen, verbesserte untere Schranken für das Problem des Handlungsreisenden und Ramsey-Zahlen und trug zum Tammes-Problem bei (Optimierungsbeispiel in der Galerie gezeigt).
• Infrastruktur: Optimierte Designs für nächste TPU-Generationen und entdeckte effizientere Cache-Ersetzungsstrategien in zwei Tagen – Aufgaben, die zuvor Monate menschlicher Arbeit erforderten.
• Andere Bereiche: Entdeckte interpretierbare neurowissenschaftliche Modelle, bewies mikroökonomische Marktgrenzen, entwickelte neuronale Netzwerk-Bausteine weiter, Kryptographie, synthetische Datengenerierung und Sicherheitsmaßnahmen für KI-Modelle der Spitzenklasse.

Für wen es gedacht ist

Entwickler und Forscher, die KI-gesteuerte Optimierungspipelines aufbauen oder an Algorithmenentdeckung im wissenschaftlichen Rechnen, Hardware-Design oder groß angelegter Infrastruktur arbeiten.