一年前，我們推出了 AlphaEvolve，這是一款由 Gemini 驅動、用於設計先進演算法的程式碼代理。我們展示了 AlphaEvolve 如何在數學和電腦科學的開放問題上協助實現新發現，並優化了自此部署在 Google 關鍵基礎設施中的演算法。

如今，由於演算法幾乎是生活各個層面的一部分，AlphaEvolve 所能實現的範圍甚至更廣。從協助解釋自然世界的物理學，到為電網和運算基礎設施提供動力，AlphaEvolve 能以無數種方式加速各領域科學家和企業的進步。我們很高興能分享 AlphaEvolve 迄今為止最重大的影響成果。

推動社會影響與永續發展AlphaEvolve 協助揭示了健康與永續發展研究中的關鍵連結。在基因組學方面，AlphaEvolve 被用於改進 DeepConsensus，這是一個由 Google Research 開發、用於糾正 DNA 定序錯誤的模型，成功將變異檢測錯誤減少了 30%。

這些改進正協助 PacBio 的科學家更準確、更低成本地分析基因資料。「Google 團隊利用 AlphaEvolve 發現的解決方案，顯著提高了我們定序儀器的準確度。對於研究人員來說，這種更高品質的資料可能促使他們發現以前隱藏的致病突變。」

，PacBio 資深總監 Aaron Wenger在電網優化方面，AlphaEvolve 應用於交流最佳潮流 (AC Optimal Power Flow) 問題。它協助我們的圖神經網路 (GNN) 模型將找到問題可行解的能力從 14% 提高到超過 88%，顯著減少了電網對其他昂貴後處理步驟的需求。

在地球科學方面，AlphaEvolve 將複雜的地理空間資料轉化為更可靠、更具可操作性的見解。透過協助自動化優化 Earth AI 模型，預測自然災害風險的整體準確度（彙總了野火、洪水和龍捲風等 20 個類別）提高了 5%。推進研究前沿AlphaEvolve 正作為強大的研究夥伴，加速科學領域的發現。

在量子物理學方面，AlphaEvolve 的優化使得在 Google 的 Willow 量子處理器上運行複雜的分子模擬成為可能，它建議的量子電路錯誤率比以前傳統優化的基準低 10 倍。這為首次量子運算實驗演示帶來了即時且具影響力的貢獻，並預示著 AlphaEvolve 將來能協助找到超越傳統電腦能力的演算法。

該系統與 Terence Tao 等世界知名數學家合作，協助解決了 Erdős 問題。「AlphaEvolve 等工具為數學家提供了非常有用的新能力。特別是在優化問題方面，我們現在可以快速測試潛在不等式的反例，或確認我們對極值點的判斷，這極大地提高了我們對這些問題的直覺，並使我們更容易找到嚴謹的證明。」

，加州大學洛杉磯分校數學教授 Terence TaoAlphaEvolve 還打破了經典數學挑戰的紀錄，包括改進旅行推銷員問題 (Traveling Salesman Problem) 和拉姆齊數 (Ramsey Numbers) 的下限。

AlphaEvolve 正在優化「Tammes 問題」的一個實例。您可以在公共圖庫中探索 AlphaEvolve 生成潛在解決方案的其他問題。改進 AI 基礎設施AlphaEvolve 已從試點測試畢業，成為我們基礎設施的核心組件。AlphaEvolve 已被用作常規工具來優化下一代 TPU 的設計。

它還協助發現了更高效的快取替換策略，在兩天內完成了以前需要數月人力密集工作才能實現的目標。「AlphaEvolve 開始優化我們 AI 堆疊底層的硬體。它提出了一種反直覺但高效的電路設計，並直接整合到我們下一代 TPU 的晶片中。這是 TPU 大腦協助設計下一代 TPU 身體的最新範例。」

，Google DeepMind 和 Google Research 首席科學家 Jeff DeanAlphaEvolve 透過改進 Google Spanner 的日誌結構合併樹壓縮啟發式演算法，提高了其效率。這項優化將「寫入放大」（寫入儲存的資料與原始請求之比）減少了 20%。

它還為新的編譯器優化策略提供了見解，將軟體的儲存佔用空間減少了近 9%。擴大商業應用我們正與 Google Cloud 合作，將 AlphaEvolve 的強大功能帶給各行各業的商業企業。在金融服務領域，Klarna 使用該系統優化其最大的 Transformer 模型之一，將訓練速度提高一倍，同時改善了模型品質。

在半導體製造領域，Substrate 將 AlphaEvolve 應用於其計算光刻框架，實現了執行時速度的數倍提升，使他們能夠運行顯著更大規模的先進半導體模擬。在物流領域，FM Logistic 使用該技術優化了旅行推銷員問題等複雜的路線規劃挑戰，比之前經過大量優化的解決方案提高了 10.4% 的路線效率，每年節省超過 15,000 公里的行駛距離。

在廣告與行銷領域，WPP 使用 AlphaEvolve 精煉 AI 模型組件，處理複雜、高維度的行銷活動資料，並比其競爭性手動模型優化方案提高了 10% 的準確度。在計算材料與生命科學領域，Schrödinger 應用 AlphaEvolve 實現了機器學習力場 (MLFF) 訓練和推論約 4 倍的速度提升。

「AlphaEvolve 讓我們能夠比以往更快、更有效地探索更大的化學空間。更快的 MLFF 推論帶來了實質的商業影響，縮短了藥物探索、催化劑設計和材料開發的研發週期，使公司能夠在數天而非數月內篩選分子候選物。」，Schrödinger 機器學習技術主管 Gabriel Marques。

AlphaEvolve 的未來過去一年表明 AlphaEvolve 正迅速成為一個多功能、通用系統。它證明了未來的突破將由能夠自我學習、演化和優化的演算法所驅動。展望未來，我們很高興能擴展這些能力，並將這項技術的力量帶到更廣泛的外部挑戰中。

致謝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 開發。

這項研究是更廣泛的「利用 AI 進行演算法發現」計畫的一部分。在初步開發之後，Alexey Cherepanov、Anindya Basu、Becky Evangelakos、Jamie Smith 和 Mario Pinto 加入團隊，以擴大 AlphaEvolve 的影響力。

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 與我們的團隊合作開發了 AlphaEvolve 的使用者介面，並獲得了許多其他人的支援。

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 與我們的團隊合作開發了 AlphaEvolve API 並與 Google Cloud 客戶互動，並獲得了許多其他人的支援。

我們衷心感謝我們的合作夥伴在關鍵問題上領導 AlphaEvolve 的應用並為本報告做出貢獻：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，以及許多其他 AlphaEvolve 的使用者。

最後，我們感謝我們的領導層提供指導和支援：Amin Vahdat、Ankur Jain、Demis Hassabis、Jeff Dean、Parthasarathy Ranganathan、Pushmeet Kohli、Saurabh Tiwary 和 Sundar Pichai。

我們也向 Google DeepMind、Google Cloud、Google Labs、Google Research 和其他產品領域的合作夥伴團隊表示感謝，感謝他們促成了由 AlphaEvolve 驅動的應用和產品。