AlphaEvolve: Agente baseado no Gemini da DeepMind otimiza algoritmos em genômica, redes elétricas e circuitos TPC

O Google DeepMind compartilhou uma atualização sobre o AlphaEvolve, seu agente de codificação baseado no Gemini para design de algoritmos. Originalmente apresentado há um ano, agora foi aplicado em genômica, otimização de redes elétricas, ciências da terra, computação quântica, matemática e infraestrutura de IA.

Principais resultados da fonte

• Genômica: O AlphaEvolve melhorou o DeepConsensus (modelo de correção de erros de sequenciamento de DNA do Google) ao alcançar uma redução de 30% nos erros de detecção de variantes. A PacBio relata maior precisão para instrumentos de sequenciamento, potencialmente permitindo a descoberta de mutações causadoras de doenças antes ocultas.
• Otimização de redes elétricas: Aplicado ao problema de Fluxo de Potência Ótimo CA, aumentou a taxa de viabilidade de um modelo GNN treinado de 14% para mais de 88%, reduzindo o pós-processamento caro para redes elétricas.
• Ciências da terra: A otimização automatizada de modelos de IA da Terra aumentou a precisão da previsão de riscos de desastres naturais (incêndios florestais, inundações, tornados) em 5% em 20 categorias.
• Física quântica: Sugeriu circuitos quânticos para o processador Willow do Google com erro 10 vezes menor em comparação com linhas de base convencionais, possibilitando demonstrações experimentais inéditas.
• Matemática: Trabalhando com Terence Tao, o AlphaEvolve ajudou a resolver problemas de Erdős, melhorou limites inferiores para o Problema do Caixeiro Viajante e Números de Ramsey, e contribuiu para o problema de Tammes (exemplo de otimização mostrado na galeria).
• Infraestrutura: Otimizou designs de TPUs de próxima geração e descobriu políticas de substituição de cache mais eficientes em dois dias — tarefas que anteriormente exigiam meses de esforço humano.
• Outros domínios: Descobriu modelos de neurociência interpretáveis, provou limites de mercado em microeconomia, avançou blocos de construção de redes neurais, criptografia, geração de dados sintéticos e mitigações de segurança para modelos de IA de fronteira.

Para quem é

Desenvolvedores e pesquisadores que constroem pipelines de otimização baseados em IA ou trabalham na descoberta de algoritmos em computação científica, design de hardware ou infraestrutura de grande escala.