突破300年数学难题！陶哲轩出题，DeepMind通用科学AI智能体一夜屠龙

97 0 0

文章摘要

谷歌DeepMind推出的AlphaEvolve，作为一款由Gemini驱动的进化编码工具，展现了其在解决复杂数学问题和优化算法方面的强大能力。AlphaEvolve通过结合Gemini的创造性问题解决能力和自动评估器，利用进化框架优化最具潜力的想法，成功改进了多个领域的算法。其中，最引人注目的成就是用48次标量乘法完成4×4复数矩阵乘法，颠覆了1969年Strassen算法的最优解神话。这一突破不仅展示了AlphaEvolve在矩阵乘法上的卓越表现，还为其在数学分析、几何、组合学和数论等领域的应用奠定了基础。

AlphaEvolve在解决数学开放问题方面也取得了显著成果。在约75%的题目中，它重新发现了最前沿的解法；在20%的题目中，它甚至改进了已知的最佳解。特别是在困扰数学家300多年的「接吻数问题」上，AlphaEvolve在11维空间中发现了593个外球的配置，刷新了该问题的下限。这一突破不仅推动了几何学的发展，还展示了AlphaEvolve在高维数学空间中的探索能力。

除了数学领域的突破，AlphaEvolve在实际应用中也展现了其强大的优化能力。在谷歌数据中心调度系统Borg的优化中，AlphaEvolve发现了一种启发式方法，显著提升了计算资源效率，平均回收了0.7%的计算资源。这一改进不仅提高了数据中心的效率，还降低了能耗和运营成本。此外，AlphaEvolve在硬件设计领域也取得了重要进展，提出了一种Verilog重写方案，优化了谷歌下一代TPU的算术电路，加速了未来专用芯片的设计。

在AI训练和推理方面，AlphaEvolve通过优化大型矩阵乘法的分解方法，将Gemini架构中关键内核加速了23%，显著缩短了训练时间。这一效率提升不仅节省了巨大的成本和能源消耗，还大幅加速了研究人员的创新步伐。此外，AlphaEvolve在基于Transformer的AI模型中，对FlashAttention内核实现了高达32.5%的加速，进一步提高了计算资源的利用效率。

总的来说，AlphaEvolve不仅在数学和算法设计领域取得了突破性进展，还在实际应用中展现了其强大的优化能力。通过改进算法、优化计算资源和加速硬件设计，AlphaEvolve为谷歌构建了一个更高效、更可持续的数字生态系统。这一创新工具的应用，不仅推动了科学研究的进步，还为未来的技术发展提供了新的可能性。