AlphaEvolve: El agente impulsado por Gemini de DeepMind optimiza algoritmos en genómica, redes eléctricas y circuitos TPC

Google DeepMind ha compartido una actualización sobre AlphaEvolve, su agente de codificación impulsado por Gemini para el diseño de algoritmos. Presentado originalmente hace un año, ahora se ha aplicado en genómica, optimización de redes eléctricas, ciencias de la tierra, computación cuántica, matemáticas e infraestructura de IA.

Resultados clave de la fuente

• Genómica: AlphaEvolve mejoró DeepConsensus (el modelo de corrección de errores de secuenciación de ADN de Google) logrando una reducción del 30% en los errores de detección de variantes. PacBio reporta una mayor precisión para los instrumentos de secuenciación, lo que podría permitir el descubrimiento de mutaciones causantes de enfermedades previamente ocultas.
• Optimización de redes: Aplicado al problema de flujo de potencia óptimo de CA, aumentó la tasa de viabilidad de un modelo GNN entrenado del 14% a más del 88%, reduciendo el costoso posprocesamiento para las redes eléctricas.
• Ciencias de la tierra: La optimización automatizada de modelos Earth AI aumentó la precisión de la predicción de riesgos de desastres naturales (incendios forestales, inundaciones, tornados) en un 5% en 20 categorías.
• Física cuántica: Sugirió circuitos cuánticos para el procesador Willow de Google con un error 10 veces menor en comparación con las líneas base convencionales, lo que permitió demostraciones experimentales pioneras.
• Matemáticas: En colaboración con Terence Tao, AlphaEvolve ayudó a resolver problemas de Erdős, mejoró los límites inferiores para el Problema del Viajante y los Números de Ramsey, y contribuyó al problema de Tammes (ejemplo de optimización mostrado en la galería).
• Infraestructura: Optimizó diseños de TPU de próxima generación y descubrió políticas de reemplazo de caché más eficientes en dos días, tareas que antes requerían meses de esfuerzo humano.
• Otros dominios: Descubrió modelos interpretables de neurociencia, demostró límites de mercado en microeconomía, avanzó en bloques de construcción de redes neuronales, criptografía, generación de datos sintéticos y mitigaciones de seguridad para modelos de IA de frontera.

Para quién es

Desarrolladores e investigadores que construyen pipelines de optimización impulsados por IA o trabajan en descubrimiento de algoritmos en computación científica, diseño de hardware o infraestructura a gran escala.