中文内容
AlphaEvolve：我们由 Gemini 驱动的编码智能体如何在各领域扩大影响力
AlphaEvolve 团队
一年前，我们推出了 AlphaEvolve，这是一个由 Gemini 驱动的编码智能体，用于设计高级算法。我们展示了 AlphaEvolve 能够帮助在数学和计算机科学领域的开放性问题上取得新发现，并优化算法；这些算法此后已部署到 Google 基础设施的关键部分。
如今，由于算法几乎融入生活的方方面面，AlphaEvolve 能够实现的目标范围更加广泛。从帮助解释自然世界的物理规律，到为电网和计算基础设施提供支持，AlphaEvolve 可以通过无数方式帮助各领域的科学家和企业加速进展。
我们很高兴分享 AlphaEvolve 迄今为止最重要的一系列影响成果。
推动社会影响力与可持续发展
AlphaEvolve 帮助揭示了健康和可持续性研究中的关键关联。
在基因组学领域，AlphaEvolve 被用于改进 DeepConsensus——这是 Google Research 开发的用于纠正 DNA 测序错误的模型——使变异检测错误减少了 30%。这些改进正在帮助 PacBio 的科学家以更低成本、更准确地分析遗传数据。
“Google 团队使用 AlphaEvolve 发现的解决方案为我们的测序仪器解锁了显著更高的准确率。对于研究人员而言，这种更高质量的数据可能有助于发现此前隐藏的致病突变。”——PacBio 高级总监 Aaron Wenger
在电网优化方面，AlphaEvolve 被应用于交流最优潮流（AC Optimal Power Flow）问题。它帮助将我们训练的图神经网络（GNN）模型为该问题找到可行解的能力从 14% 提高到超过 88%，显著减少了电网对其他高成本后处理步骤的需求。
在地球科学领域，AlphaEvolve 将复杂的地理空间数据转化为更可靠、可操作的洞察。通过帮助自动优化 Earth AI 模型，自然灾害风险预测的总体准确率提高了 5%——该指标汇总了野火、洪水和龙卷风等 20 个类别。
推进研究前沿
AlphaEvolve 正在成为一位强大的研究伙伴，加速各科学领域的发现。
在量子物理领域，AlphaEvolve 的优化使得在 Google 的 Willow 量子处理器上运行复杂分子模拟成为可能；它提出的量子电路相比以往按传统方式优化的基线错误率降低了 10 倍。这已使其能够立即为首创性的量子计算实验演示作出有影响力的贡献，并指向这样一个未来：AlphaEvolve 将帮助寻找超越经典计算机能力的算法。
通过与 Terence Tao 等世界知名数学家合作，该系统已帮助解决 Erdős 问题。
“AlphaEvolve 等工具正在为数学家提供非常有用的新能力。特别是对于优化问题，我们现在可以快速测试潜在不等式是否存在反例，或确认我们对极值点的判断，这极大地提升了我们对这些问题的直觉，并使我们能够更容易地找到严格证明。”——UCLA 数学教授 Terence Tao
AlphaEvolve 还在经典数学挑战中打破了纪录，包括改进旅行商问题和 Ramsey Numbers 的下界。
此外，这种自主发现能力正在推动其他多元领域的并行创新——从发现可解释的神经科学模型、证明微观经济学中的新市场限制，到快速推进神经网络构建模块、用于用户隐私的密码学、合成数据生成，以及面向前沿 AI 模型的关键安全缓解措施。
改进 AI 基础设施
AlphaEvolve 已从试点测试发展为我们基础设施的核心组成部分。AlphaEvolve 已被用作常规工具，用于优化下一代 TPU 的设计。它还帮助发现了更高效的缓存替换策略，在两天内完成了过去需要数月、依赖大量人力协同努力才能完成的工作。
“AlphaEvolve 开始优化支撑我们 AI 技术栈的最底层硬件。它提出了一种电路设计，虽然极其反直觉却十分高效，因此被直接集成到我们下一代 TPU 的硅片中。这是 TPU 大脑帮助设计下一代 TPU 身体的最新例子。”——Jeff Dean，Google DeepMind 和 Google Research 首席科学家
AlphaEvolve 通过改进 Google Spanner 的日志结构合并树（Log-Structured Merge-tree）压缩启发式策略，提高了其效率。这项优化将“写放大”——写入存储的数据量与原始请求数据量之比——降低了 20%。它还为新的编译器优化策略提供了洞见，使软件的存储占用减少了近 9%。
扩展商业应用
我们正与 Google Cloud 一起，将 AlphaEvolve 的能力带给各行业的多种商业企业。
- 在金融服务领域，Klarna 使用该系统优化了其最大的 transformer 模型之一——在提升模型质量的同时，将训练速度提高了一倍。
- 在半导体制造领域，Substrate 将 AlphaEvolve 应用于其计算光刻框架，实现了运行速度的数倍提升，使其能够运行规模显著更大的先进半导体仿真。
- 在物流领域，FM Logistic 使用该技术优化旅行商问题等复杂路径规划挑战，相较于此前经过高度优化的解决方案，路径效率提升了 10.4%——每年节省超过 15,000 公里的行驶距离。
- 在广告和营销领域，WPP 使用 AlphaEvolve 优化 AI 模型组件，处理复杂的高维度营销活动数据，并相较于其具有竞争力的人工模型优化实现了 10% 的准确率提升。
- 在计算材料与生命科学领域，Schrödinger 应用 AlphaEvolve，使 Machine Learned Force Fields (MLFF) 的训练和推理速度均提升约 4 倍。
“AlphaEvolve 让我们能够以前所未有的速度和效率探索更大的化学空间。更快的 MLFF 推理带来了切实的商业影响，缩短了药物发现、催化剂设计和材料开发中的研发周期，并使公司能够在数天而非数月内筛选分子候选物。”——Schrödinger 机器学习技术负责人 Gabriel Marques。
AlphaEvolve 的未来
过去一年表明，AlphaEvolve 正在迅速成为一个多功能的通用系统。它正在证明，下一次突破将由能够自我学习、自我进化和自我优化的算法驱动。展望未来，我们很高兴能扩展这些能力，并将这项技术的力量带到更广泛的外部挑战中。
致谢
AlphaEvolve 由 Matej Balog、Alexander Novikov、Ngân Vũ、Marvin Eisenberger、Emilien Dupont、Po-Sen Huang、Adam Zsolt Wagner、Sergey Shirobokov、Borislav Kozlovskii、Francisco J. R. Ruiz、Abbas Mehrabian、M. Pawan Kumar、Abigail See、Swarat Chaudhuri、George Holland、Alex Davies、Sebastian Nowozin 和 Pushmeet Kohli 开发。该研究是作为一项更广泛计划的一部分而开展的，该计划专注于利用 AI 进行算法发现。在初步开发之后，Aja Huang、Anton Kovsharov、Alexey Cherepanov、Anindya Basu、Becky Evangelakos、Jamie Smith 和 Mario Pinto 加入团队，并为扩大 AlphaEvolve 的影响力作出了贡献。
Adam Connors、Alex Bäuerle、Anna Trostanetski、Fernanda Viegas、Gabi Cardoso、Jonathan Caton、Lucas Dixon、Mariana Felix、Martin Wattenberg、Matin Akhlaghinia、Richard Green、Yosuke Ushigome 和 Yunhan Xu 与我们的团队合作开发了 AlphaEvolve UI，并得到了许多其他人的支持。
Anant Nawalgaria、Diego Ballesteros、Gemma Jennings、Jakob Oesinghaus、Kartik Sanu、Laurynas Tamulevičius、Nicolas Stroppa、Nishta Dhawan、Oliver Hilsenbeck、Puneet Jagralapudi、Reah Miyara、Skander Hannachi、Tom Beyer 和 Vishal Agarwal 与我们的团队合作开发了 AlphaEvolve API，并与 Google Cloud 客户互动，同时得到了许多其他人的支持。
我们衷心感谢我们的合作者，他们在关键问题上主导了 AlphaEvolve 的应用，并为本报告作出了贡献：Aaron Wenger、Abhradeep Guha Thakurta、Akanksha Jain、Alex Vitvitskyi、Amir Yazdan Bakhsh、Andrew Carroll、Aranyak Mehta、Arthur Conmy、Ansh Nagda、Davide Paglieri、Eric Perim Martins、Gabriella Marfani、Hassler Thurston、Hongzheng Chen、Jack Mason、János Kramár、Jasper Xian、Jeremy Ratcliff、Jessica Sapick、Johannes Bausch、Jonathan Katz、Kevin Miller、Kim Stachenfeld、Mark Kurzeja、Mircea Trofin、Myriam Khan、Nero Geng、Pablo Samuel Castro、Petar Veličković、Pi-Chuan Chang、Prabhakar Raghavan、Raghav Gupta、Rohin Shah、Sasha Vezhnevets、Sébastien Lahaie、Sergio Guadarrama、Shravya Shetty、Shruthi Gorantala、Terence Tao、Todd Lipcon、Tom O'Brien、Vinod Nair、Ziyue Wang、Zun Li，以及 AlphaEvolve 的众多其他用户。
最后，我们感谢领导层给予的指导与支持：Amin Vahdat、Ankur Jain、Demis Hassabis、Jeff Dean、Parthasarathy Ranganathan、Pushmeet Kohli、Saurabh Tiwary 和 Sundar Pichai。我们还感谢 Google DeepMind、Google Cloud、Google Labs、Google Research 以及其他产品领域的合作团队，正是他们推动了由 AlphaEvolve 支持的应用和产品落地。
