谷歌发布AlphaEvolve，用于设计高级算法的编码

2025年5月14日，中国知识产权律师网从谷歌Deepmind官网获悉，在官网发布了AlphaEvolve，是一款用于设计高级算法的编程。

AlphaEvolve通过结合大型语言模型的创造力与自动化评估器，为数学和计算的实际应用进化算法。大型语言模型（LLMs）展现出惊人的通用性，它们可以总结文件、生成代码，甚至提出新想法。现在，AlphaEvolve将这些能力扩展到针对数学和现代计算中的基础性和高度复杂的问题。

AlphaEvolve已成功提升谷歌数据中心运营效率、优化芯片设计方案，并改进了AI训练流程——包括支撑该智能体自身运行的大语言模型训练过程。其突破性成果还包括设计出更高效的矩阵乘法算法，并为开放数学问题探索出全新解法，展现出跨领域应用的非凡潜力。

借助大型语言模型设计更好的算法

2023年，谷歌首次展示了大型语言模型可以生成计算机代码中的函数，以帮助发现开放性科学问题上的新知识并证明其正确性。AlphaEvolve是一个可以超越单一函数发现，进化整个代码库并开发更复杂算法的代理。

AlphaEvolve整合了顶尖大语言模型集群：以速度与效率见长的Gemini Flash模型负责拓宽探索广度，性能最强的Gemini Pro模型则通过深度洞察提供关键建议。二者协同生成实现算法解决方案的计算机程序。

AlphaEvolve使用自动评估指标验证、运行和评分所提出的程序。这些指标为每个解决方案的准确性和质量提供了客观、可量化的评估。这使得AlphaEvolve在数学和计算机科学等可以清晰、系统地衡量进步的广泛领域中特别有帮助。

优化计算生态系统

在过去一年中，谷歌将AlphaEvolve发现的算法部署于谷歌计算生态的各个层面，包括数据中心、硬件和软件。这些改进的影响在AI和计算基础设施中被放大，为所有用户构建了一个更强大、更可持续的数字生态系统。

数据中心调度优化

AlphaEvolve发现了一个简单但非常有效的启发式方法，帮助Borg更高效地协调谷歌庞大的数据中心。这个解决方案已经投产超过一年，持续平均恢复了谷歌全球计算资源的0.7%。这种持续的效率提升意味着在任何给定时刻，都可以在相同的计算资源上完成更多任务。AlphaEvolve的解决方案不仅带来了强大的性能，还提供了人类可读代码的重大操作优势：可解释性、可调试性、可预测性和易于部署。

助力硬件设计

在矩阵乘法关键算术电路的Verilog代码重写中，AlphaEvolve移除了冗余位操作。该方案通过严格验证确保功能正确性后，已集成至新一代TPU（谷歌定制AI加速器）。通过使用芯片设计标准语言提出改进建议，AlphaEvolve促进了AI工程师与硬件团队的协同创新，加速了专用芯片设计进程。

增强AI训练和推理

AlphaEvolve正在加速AI性能和研究速度。通过找到更好的方法将大型矩阵乘法操作分解为更易于管理的子问题，它在Gemini架构中加速了这个关键内核23%，导致Gemini的训练时间减少了1%。因为开发生成式AI模型需要大量的计算资源，每一次效率提升都转化为相当大的节省。除了性能提升之外，AlphaEvolve还显著减少了内核优化所需的工程时间，从专家的数周工作减少到自动实验的几天，让研究人员能够提高工作效率。

AlphaEvolve还可以优化低级GPU指令。这个极其复杂的领域通常已经由编译器进行了大量优化，因此人类工程师通常不会直接修改它。AlphaEvolve在基于Transformer的AI模型中的FlashAttention内核实现上实现了高达32.5%的速度提升。这种优化帮助专家找到性能瓶颈，并轻松将改进整合到他们的代码库中，提升他们的生产力，并在未来对计算和能源可以起到节省的效果。

推进数学和算法发现的前沿

AlphaEvolve还可以为复杂的数学问题提出新的方法。提供了一个计算机程序的最小代码框架，AlphaEvolve设计了许多基于梯度的优化程序组件，发现了矩阵乘法的多种新算法，这是计算机科学中的一个基本问题。

AlphaEvolve的程序发现了一个算法，使用48次标量乘法来乘以4×4的复值矩阵，改进了1969年斯特拉森算法，后者此前被认为是这种设置中最好的算法。这一发现表明了与之前的工作AlphaTensor相比的重大进步，后者专注于矩阵乘法算法，对于4×4矩阵，只在二进制算术中找到了改进。

为了调查AlphaEvolve的广泛性，将该系统应用于数学分析、几何学、组合学和数论中的50多个开放性问题。该系统的灵活性使我们能够在数小时内设置大多数实验。据我们所知，在75%的情况下，它重新发现了最先进的解决方案。

在大约20%的情况下，AlphaEvolve改进了之前已知的最佳解决方案，在相应的开放性问题上取得了进展。例如，它在“接吻数”问题上取得了进展。这个几何难题已经吸引了数学家300多年，涉及最多数量的不重叠球体接触一个共同的单位球体。AlphaEvolve发现了一个593个外球体的配置，并在11维中建立了一个新的下界。

未来之路

AlphaEvolve展示了从发现特定领域的算法到为广泛的实际挑战开发更复杂算法的进展。有关人士表示期待随着大型语言模型能力的提升，尤其是它们在编码方面变得更好时，AlphaEvolve将继续改进。

虽然当前主要应用于数学与计算领域，但其通用性使其可拓展至任何算法可描述且可验证的问题。研发人员预见AlphaEvolve将在材料科学、药物研发、可持续发展等更多领域引发变革，开启技术与商业应用的崭新可能。

编译自：www.deepmind.com