AlphaEvolve：由 Gemini 驱动的编码代理，其影响力跨越多个领域

# AlphaEvolve：我们基于 Gemini 的编程代理如何跨领域扩大影响力 来源：https://deepmind.google/blog/alphaevolve-impact/ 一年前，我们推出了 AlphaEvolve（https://deepmind.google/blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/），这是一个基于 Gemini 的编程代理，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问题上取得新的发现，并优化算法，这些算法随后已部署到 Google 基础设施的关键部分。 如今，由于算法涉及生活的几乎方方面面，AlphaEvolve 能够实现的成果范围甚至更加广泛。从帮助解释自然界的物理规律，到支持电网和计算基础设施，AlphaEvolve 有无数种方式可以帮助各个领域的科学家和企业加速进步。 我们很高兴分享迄今为止 AlphaEvolve 最具影响力的一些成果。 ## 推动社会影响和可持续发展 AlphaEvolve 帮助揭示了健康和可持续性研究中的关键联系。 在基因组学领域，AlphaEvolve 被用于改进 DeepConsensus（https://www.nature.com/articles/s41587-022-01435-7）——这是由 Google Research 开发的一个用于纠正 DNA 测序错误的模型——实现了变异检测错误率降低 30%。这些改进正在帮助 PacBio（https://www.pacb.com/blog/improving-hifi-sequencing-accuracy-with-google-deepconsensus-and-alphaevolve/）的科学家更准确、更低成本地分析遗传数据。 *“谷歌团队使用 AlphaEvolve 发现的解决方案，让我们的测序仪器实现了显著更高的准确率。对于研究人员来说，这些更高质量的数据可能有助于发现以前隐藏的致病突变。”* —— 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（https://arxiv.org/abs/2403.17660）。它帮助我们将训练的图神经网络（GNN）模型找到该问题可行解的能力从 14% 提高到 88% 以上，显著减少了对电网其他昂贵后处理步骤的需求。 在地球科学领域，AlphaEvolve 将复杂的地空数据转化为更可靠、可操作的见解。通过帮助自动化 Earth AI（https://ai.google/earth-ai/）模型的优化，预测自然灾害风险（https://arxiv.org/abs/2510.18318）的整体准确率——涵盖野火、洪水和龙卷风等 20 个类别——提高了 5%。 ## 推动研究前沿 AlphaEvolve 正成为一个强大的研究合作伙伴，加速科学领域的发现。 在量子物理领域，AlphaEvolve 的优化使得在 Google 的 Willow 量子处理器（https://blog.google/innovation-and-ai/technology/research/google-willow-quantum-chip/）上运行复杂的分子模拟成为可能，因为它建议的量子电路比之前传统优化的基线错误率低 10 倍（https://arxiv.org/abs/2510.19550）。这促使人们对量子计算的首次实验演示做出了具有即时影响力的贡献——这也预示着未来 AlphaEvolve 将帮助发现超越经典计算机能力的算法。 通过与 Terence Tao 等世界著名数学家合作，该系统帮助解决了 Erdős 问题（https://terrytao.wordpress.com/2025/12/08/the-story-of-erdos-problem-126/）。 *“像 AlphaEvolve 这样的工具为数学家提供了非常实用的新功能。特别是在优化问题上，我们现在可以快速测试潜在不等式的反例，或确认我们对极值器的信念，这极大地提高了我们对这些问题的直觉，并使我们更容易找到严谨的证明。”* —— 加州大学洛杉矶分校数学教授 Terence Tao AlphaEvolve 还打破了经典数学挑战的纪录，包括改进了旅行商问题（Traveling Salesman Problem）（https://arxiv.org/abs/2509.18057）和拉姆齐数（Ramsey Numbers）（https://arxiv.org/abs/2603.09172）的下界。 AlphaEvolve 正在优化（https://alphaevolve-examples.web.app/ae/experiment/f5ff0dbd_0bb3_4c6b_9bf7_6a98363b935e）“塔姆问题”（Tammes problem）（https://en.wikipedia.org/wiki/Tammes_problem）的一个实例。您可以在公共画廊（Gallery）（https://alphaevolve-examples.web.app/ae/gallery）中探索 AlphaEvolve 生成潜在解决方案的其他一些问题的精选内容。 ## 改善 AI 基础设施 AlphaEvolve 已从试点测试阶段毕业，成为我们基础设施的核心组成部分。AlphaEvolve 已被用作常规工具来优化下一代 TPU（https://cloud.google.com/tpu?e=48754805）的设计。它还帮助发现了更高效的缓存替换策略（https://arxiv.org/abs/2602.22425），在两天内完成了此前需要数个月集中人力努力才能完成的工作。 *“AlphaEvolve 开始优化驱动我们 AI 堆栈的最低层硬件。它提出了一种既反直觉又高效的电路设计，直接集成到了我们下一代 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。”* —— 谷歌 DeepMind 和 Google Research 首席科学家 Jeff Dean AlphaEvolve 通过优化 Google Spanner（https://cloud.google.com/spanner）的日志结构合并树（Log-Structured Merge-tree）（https://en.wikipedia.org/wiki/Log-structured_merge-tree）压缩启发式算法，提高了其效率。这项优化将“写入放大”——即写入存储的数据量与原始请求量的比率——降低了 20%。它还为新编译器优化策略（https://arxiv.org/abs/2601.21096）提供了见解，将软件的存储占用空间减少了近 9%。 ## 扩大商业应用 与 Google Cloud（https://cloud.google.com/blog/products/ai-machine-learning/alphaevolve-on-google-cloud?e=48754805）合作，我们现在正将 AlphaEvolve 的力量带给各行各业的各种商业企业。 - 在金融服务领域，Klarna（https://engineering.klarna.com/beyond-prompting-how-algorithmic-evolution-doubled-our-training-speed-8f874af3080d）利用该系统优化了其最大的 Transformer 模型之一——在提高模型质量的同时，将训练速度提高了一倍。 - 在半导体制造领域，Substrate（https://substrate.com/information-to-atoms）将 AlphaEvolve 应用于其计算光刻框架，实现了运行时速度的数倍提升，使他们能够运行规模大得多的先进半导体模拟。 - 在物流领域，FM Logistic（https://cloud.google.com/blog/products/ai-machine-learning/how-fm-logistic-tackled-the-traveling-salesman-problem-at-warehouse-scale-with-alphaevolve?e=48754805）利用该技术优化了诸如旅行商问题等复杂的路由挑战，与之前经过高度优化的解决方案相比，路由效率提高了 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（https://thelab.wppresolve.com/blog/cracking-the-code-of-campaign-success-with-googles-alphaevolve-agent）使用 AlphaEvolve 完善 AI 模型组件，处理复杂、高维的活动数据，并在竞争性的人工模型优化基础上实现了 10% 的准确率提升。 - 在计算材料学和生命科学领域，Schrödinger（https://www.schrodinger.com/company/about/?_gl=1*ius61h*_up*MQ..*_gs*MQ..&gclid=Cj0KCQjwkYLPBhC3ARIsAIyHi3Rm2kCs3x5O0g-fhVotOLr0BJ07wW4PlIYjQx79xY_sGz1si0Uyd2QaAhv8EALw_wcB&gbraid=0AAAAAoiC9DPuTTJLOACkELqcLzvfQOPqG）应用 AlphaEvolve，在机器学习力场（MLFF）的训练和推理方面实现了约 4 倍的速度提升。 *“AlphaEvolve 使我们能够比以往更快、更高效地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的研发周期，使公司能够在几天而不是几个月内筛选分子候选物。”* —— Schrödinger 机器学习技术主管 Gabriel Marques ## AlphaEvolve 的未来 过去的一年表明，AlphaEvolve 正迅速成为一个多功能的通用系统。它证明了下一次突破将由能够自我学习、进化和优化的算法驱动。展望未来，我们兴奋地扩展这些能力，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。这项研究作为一项专注于使用 AI 进行算法发现的更广泛倡议的一部分而开发。在初始开发之后，Alexey Cherepanov、Anindya Basu、Becky Evangelakos、Jamie Smith 和 Mario Pinto 加入团队，以扩大 AlphaEvolve 的影响力。 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 AlphaEvolve 用户界面，并得到许多其他人的支持。 Anant Nawalgaria、Diego Ballesteros、Gemma Jennings、Jakob Oesinghaus、Kartik Sanu、Laurynas Tamulevičius、Nicolas Stroppa、Nishta Dhawan、Oliver Hilsenbeck、Reah Miyara、Skander Hannachi、Tom Beyer 和 Vishal Agarwal 与我们的团队合作开发 AlphaEvolve API 并与 Google Cloud 客户互动，并得到许多其他人的支持。 我们衷心感谢我们的合作伙伴，他们在关键问题上引领了 AlphaEvolve 的应用并为本报告做出了贡献：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、Hassler Thurston、Hongzheng Chen、Jack Mason、János Kramár、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 以及其他许多 AlphaEvolve 用户。 最后，我们感谢我们的领导层给予的指导和支持：Amin Vahdat、Ankur Jain、Demis Hassabis、Jeff Dean、Parthasarathy Ranganathan、Pushmeet Kohli、Saurabh Tiwary 和 Sundar Pichai。我们也感谢 Google DeepMind、Google Cloud、Google Labs、Google Research 和其他产品领域的合作伙伴团队，他们促成了由 AlphaEvolve 支持的应用和产品。 ### AlphaEvolve：一个基于 Gemini 的编程代理，用于设计高级算法