一年前，我們推出了 AlphaEvolve，一個由 Gemini 驅動的編碼代理，用於設計先進的演算法。我們展示了 AlphaEvolve 能協助在數學和電腦科學的開放性問題上取得新發現，並優化了已部署於 Google 基礎設施關鍵部分的演算法。
如今，由於演算法幾乎是生活中每個面向的一部分，AlphaEvolve 的潛在成就範圍變得更加廣闊。從協助解釋自然世界的物理學，到為電力網格和運算基礎設施提供動力，AlphaEvolve 有無數種方式可以協助各領域的科學家和企業加速進展。
我們很高興能分享 AlphaEvolve 迄今為止最顯著的影響力彙編。
AlphaEvolve 已協助在健康和永續發展研究中揭示關鍵聯繫。
在基因組學領域，AlphaEvolve 被用於改進 DeepConsensus — 由 Google Research 開發用於校正 DNA 定序錯誤的模型 — 成功將變異偵測錯誤減少了 30%。這些改進正協助 PacBio 的科學家以更低的成本、更準確地分析基因數據。
「Google 團隊使用 AlphaEvolve 發現的解決方案，為我們的定序儀解鎖了顯著更高的準確度。對於研究人員來說，這些更高品質的數據可能使發現先前隱藏的致病突變成為可能。」— Aaron Wenger, PacBio 資深總監
在電網優化方面，AlphaEvolve 被應用於 AC 最優潮流問題。它協助我們訓練的圖神經網路 (GNN) 模型找到可行解的能力從 14% 提高到 88% 以上，顯著減少了電力網格其他昂貴的後處理步驟。
在地球科學領域，AlphaEvolve 將複雜的地理空間數據轉化為更可靠、更具行動力的見解。透過協助自動化地球 AI 模型的優化，預測自然災害風險（涵蓋野火、洪水和龍捲風等 20 個類別）的整體準確度提高了 5%。
AlphaEvolve 正作為強大的研究夥伴，加速科學領域的發現。
在量子物理學領域，AlphaEvolve 的優化使其能夠在 Google 的 Willow 量子處理器上運行複雜的分子模擬，透過建議量子線路，其錯誤率比先前傳統優化的基準低 10 倍。這使得在首創性的量子運算實驗演示中能立即做出有影響力的貢獻 — 並預示著 AlphaEvolve 未來將協助找到超越經典電腦能力的演算法。
與 Terence Tao 等世界知名的數學家合作，該系統已協助解決 Erdős 問題。
「像 AlphaEvolve 這樣的工具為數學家提供了非常有用的新能力。特別是在優化問題上，我們現在可以快速測試潛在的不等式是否存在反例，或確認我們對極值點的信念，這大大增強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。」— Terence Tao, UCLA 數學教授
AlphaEvolve 在經典數學挑戰方面也打破了紀錄，包括改進旅行推銷員問題和 Ramsey 數的下界。
此外，這種自主發現的能力正在推動其他多元領域的平行創新 — 從發現可解釋的神經科學模型和證明微觀經濟學中的新市場限制，到快速推進神經網路構建塊、保護使用者隱私的密碼學、合成數據生成，以及邊緣 AI 模型關鍵安全緩解措施。
AlphaEvolve 優化了「Tammes 問題」的一個實例。您可以在公開的圖庫中探索 AlphaEvolve 生成潛在解決方案的其他問題。
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。它還協助發現更有效率的快取替換策略，在兩天內完成了先前需要數月密集人力才能完成的工作。
「AlphaEvolve 開始優化我們 AI 堆疊底層硬體的最低層級。它提出了一個反直覺但高效的電路設計，直接整合到我們下一代 TPU 的矽晶片中。這是 TPU 大腦協助設計下一代 TPU 身體的最新範例。」— Jeff Dean, Google DeepMind 和 Google Research 首席科學家
AlphaEvolve 透過改進其日誌結構合併樹 (Log-Structured Merge-tree) 的壓縮啟發式方法，提高了 Google Spanner 的效率。此優化將「寫入放大」（寫入儲存的數據與原始請求的比率）降低了 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%。
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。
「AlphaEvolve 讓我們能夠比以往任何時候都更快、更有效地探索更大的化學空間。更快的 MLFF 推論具有實際的商業影響，縮短了藥物發現、催化劑設計和材料開發的研發週期，並使公司能夠在幾天內篩選分子候選物，而不是幾個月。」— Gabriel Marques, Schrödinger 機器學習技術主管
過去一年表明，AlphaEvolve 正在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學習、演進和自我優化的演算法驅動。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給更廣泛的外部挑戰。
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。這項研究是作為一項更廣泛的計畫的一部分，該計畫專注於使用 AI 進行演算法發現。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 UI，並有許多其他人提供支援。
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，並有許多其他人提供支援。
我們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，我們感謝領導層的指導和支持：Amin Vahdat, Ankur Jain, Demis Hassabis, Jeff Dean, Parthasarathy Ranganathan, Pushmeet Kohli, Saurabh Tiwary, 和 Sundar Pichai。我們也感謝 Google DeepMind、Google Cloud、Google Labs、Google Research 和其他產品領域的合作夥伴團隊，他們使得 AlphaEvolve 驅動的應用和產品得以實現。
