Google DeepMind le 7 mai (heure des États-Unis) a publié un rapport de résultats interdomaines pour AlphaEvolve. Le blog officiel de DeepMind récapitule les progrès concrets d’AlphaEvolve depuis son lancement : mise au point d’une méthode de multiplication de matrices complexes 4×4 meilleure que l’algorithme de Strassen de 1969 (48 multiplications scalaires pures), collaboration avec des mathématiciens comme Terence Tao pour résoudre plusieurs problèmes ouverts d’Erdős, économie de 0,7% de ressources de calcul mondiales pour les centres de données de Google, accélération de 23% de la vitesse des kernels clés entraînés avec Gemini, et réduction de 1% du temps total d’entraînement de Gemini.
Architecture : Agent évolutif avec exploration en largeur de Gemini Flash + évaluation approfondie de Gemini Pro
AlphaEvolve est un agent d’encodage évolutif conçu pour la découverte et l’optimisation d’algorithmes généraux :
Gemini Flash—maximiser la largeur des idées d’exploration
Gemini Pro—fournir des recommandations critiques en profondeur
Évaluateur automatique—vérifier chaque réponse candidate et fournir un retour
Cadre d’évolution—itérer continuellement à partir du retour d’évaluation, en conservant les solutions les plus prometteuses
Cette structure permet à AlphaEvolve de produire et tester en continu des solutions à des problèmes ouverts, sans guidage préalable des humains, et elle convient aux domaines où les réponses peuvent être validées automatiquement (algorithmes, mathématiques, problèmes d’optimisation).
Résultats mathématiques : multiplication de matrices 4×4 avec un nouveau record de 1969, et résolution de problèmes d’Erdős avec Terence Tao
AlphaEvolve a réalisé des avancées concrètes en mathématiques et en informatique :
Multiplication de matrices complexes 4×4 : trouver un algorithme nécessitant seulement 48 multiplications scalaires, battant le meilleur résultat proposé par Strassen en 1969
Collaboration avec des mathématiciens de renom comme Terence Tao, pour résoudre ensemble plusieurs problèmes ouverts d’Erdős
L’algorithme de Strassen fait partie des meilleures solutions de long terme en complexité de calcul de la multiplication de matrices ; avec ce cas, AlphaEvolve brise des décennies de record, et constitue un exemple concret de « un agent d’IA qui trouve de nouvelles solutions à la frontière des mathématiques ».
Résultats d’infrastructure : efficacité énergétique des centres de données Google, et réduction de 10× de l’erreur des circuits quantiques
AlphaEvolve dans ses propres systèmes chez Google :
Centres de données : trouver une méthode de planification des tâches plus efficace, récupérant en moyenne 0,7% des ressources de calcul mondiales
Entraînement de Gemini : accélération de 23% de la vitesse du kernel clé, et réduction de 1% du temps d’entraînement global
Physique quantique : sur le processeur quantique Willow de Google, les erreurs des circuits quantiques conçus par AlphaEvolve sont 10 fois inférieures à la meilleure référence d’optimisation classique, permettant d’exécuter des simulations moléculaires complexes sur Willow
Optimisation du réseau électrique : augmenter la proportion de solutions réalisables pour résoudre le problème AC Optimal Power Flow avec un modèle de réseau de neurones à graphe (GNN), de 14% à plus de 88%
Sciences de la Terre : automatiser l’optimisation des modèles Earth AI, et améliorer de 5% la précision des prédictions de risques de catastrophes naturelles
Événements concrets à suivre par la suite : si AlphaEvolve sera mis à disposition des chercheurs externes depuis les outils internes de Google, les avancées suivantes sur la série de problèmes d’Erdős, et l’avancement de la commercialisation d’AlphaEvolve sur Google Cloud (DeepMind a déjà annoncé l’intégration correspondante dans un billet sur Google Cloud).
Cet article sur le bilan interdomaines de DeepMind AlphaEvolve—multiplication de matrices 4×4 avec nouveau record de Strassen en 1969, et entraînement de Gemini accéléré de 1%—est apparu le premier sur Chaîne news ABMedia.
Avertissement : Les informations contenues dans cette page peuvent provenir de tiers et ne représentent pas les points de vue ou les opinions de Gate. Le contenu de cette page est fourni à titre de référence uniquement et ne constitue pas un conseil financier, d'investissement ou juridique. Gate ne garantit pas l'exactitude ou l'exhaustivité des informations et n'est pas responsable des pertes résultant de l'utilisation de ces informations. Les investissements en actifs virtuels comportent des risques élevés et sont soumis à une forte volatilité des prix. Vous pouvez perdre la totalité du capital investi. Veuillez comprendre pleinement les risques pertinents et prendre des décisions prudentes en fonction de votre propre situation financière et de votre tolérance au risque. Pour plus de détails, veuillez consulter l'
avertissement.
