AlphaEvolve: 딥마인드의 제미니 기반 에이전트, 유전체학, 전력망, TPC 회로 전반에서 알고리즘 최적화

Google DeepMind가 알고리즘 설계를 위한 Gemini 기반 코딩 에이전트인 AlphaEvolve에 대한 업데이트를 공유했습니다. 1년 전 처음 소개된 이후, 이제 유전체학, 전력망 최적화, 지구 과학, 양자 컴퓨팅, 수학, AI 인프라에 적용되었습니다.

주요 결과

• 유전체학: AlphaEvolve가 DeepConsensus(Google의 DNA 시퀀싱 오류 수정 모델)를 개선하여 변이 탐지 오류를 30% 감소시켰습니다. PacBio는 시퀀싱 장비의 정확도가 높아져 이전에 발견되지 않은 질병 유발 돌연변이를 발견할 수 있을 것이라고 보고합니다.
• 전력망 최적화: AC 최적 전력 흐름 문제에 적용하여 훈련된 GNN 모델의 실행 가능성을 14%에서 88% 이상으로 높였으며, 전력망의 비용이 많이 드는 후처리를 줄였습니다.
• 지구 과학: 지구 AI 모델의 자동 최적화를 통해 20개 범주에서 자연 재해(산불, 홍수, 토네이도) 위험 예측 정확도를 5% 향상시켰습니다.
• 양자 물리학: Google의 Willow 프로세서에 대한 양자 회로를 제안하여 기존 기준선 대비 10배 낮은 오류를 달성했으며, 최초의 실험적 시연을 가능하게 했습니다.
• 수학: Terence Tao와 함께 작업하여 AlphaEvolve가 Erdős 문제 해결에 기여했고, Traveling Salesman Problem과 Ramsey Numbers의 하한을 개선했으며, Tammes 문제(갤러리에 최적화 예시 표시)에 기여했습니다.
• 인프라: 차세대 TPU 설계를 최적화하고 2일 만에 더 효율적인 캐시 교체 정책을 발견했습니다. 이전에는 수개월의 인간 노력이 필요했던 작업입니다.
• 기타 분야: 해석 가능한 신경과학 모델 발견, 미시경제 시장 한계 증명, 신경망 구성 요소 발전, 암호학, 합성 데이터 생성, 최첨단 AI 모델의 안전 완화 등에 기여했습니다.

대상

AI 기반 최적화 파이프라인을 구축하거나 과학 컴퓨팅, 하드웨어 설계, 대규모 인프라에서 알고리즘 발견 작업을 하는 개발자 및 연구자.