近期，科技界迎來了一項(xiàng)重大突破，谷歌DeepMind團(tuán)隊(duì)推出了一款名為AlphaEvolve的編碼工具，這款工具基于Gemini 2.0大語言模型（LLMs），旨在自動化算法發(fā)現(xiàn)過程，從而解決了傳統(tǒng)算法設(shè)計(jì)和科學(xué)發(fā)現(xiàn)中過度依賴專家直覺和手動迭代的問題。

AlphaEvolve結(jié)合了進(jìn)化計(jì)算和自動化評估兩大技術(shù)，能夠自主生成并改進(jìn)算法代碼。它不同于普通的代碼助手，通過構(gòu)建結(jié)構(gòu)化的反饋循環(huán)，不斷提出、評估和優(yōu)化候選方案，逐步逼近最優(yōu)解。該系統(tǒng)的架構(gòu)支持異步分布式運(yùn)行，可以靈活應(yīng)對從構(gòu)造函數(shù)到整個優(yōu)化流程的各類復(fù)雜問題。

AlphaEvolve的核心優(yōu)勢在于其多組件協(xié)同工作的能力。提示構(gòu)建模塊基于歷史高分方案生成輸入，Gemini 2.0 Pro和Flash混合模型在保證質(zhì)量的同時，也兼顧了速度。評估框架通過自定義評分函數(shù)，量化算法的表現(xiàn)。進(jìn)化循環(huán)則利用歷史程序數(shù)據(jù)庫，平衡探索與利用的關(guān)系。

在數(shù)學(xué)研究領(lǐng)域，AlphaEvolve展現(xiàn)出了非凡的能力。在50多個公開數(shù)學(xué)問題上，它約75%的案例中重現(xiàn)了已知解，20%的案例中甚至發(fā)現(xiàn)了更優(yōu)解。例如，在幾何學(xué)中的經(jīng)典問題“接吻數(shù)問題”中，AlphaEvolve為11維情況找到了一種新配置，包含593個球體，刷新了下限記錄。

不僅如此，AlphaEvolve還改進(jìn)了4x4復(fù)雜矩陣乘法算法，僅用48次標(biāo)量乘法就能完成計(jì)算，超越了1969年的經(jīng)典Strassen方法，充分展示了其在算法數(shù)學(xué)領(lǐng)域的創(chuàng)新能力。在通用性方面，AlphaEvolve的表現(xiàn)同樣引人注目。在Erd?s最小重疊問題中，75%的案例匹配了最先進(jìn)成果，20%的案例甚至超越了現(xiàn)有方案。在硬件設(shè)計(jì)和編譯器優(yōu)化方面，它也帶來了顯著的性能提升。

DeepMind團(tuán)隊(duì)認(rèn)為，AlphaEvolve最適合解決那些可算法化表達(dá)并自動評估的問題。在材料研究、藥物開發(fā)和工業(yè)流程優(yōu)化等領(lǐng)域，AlphaEvolve具有廣闊的應(yīng)用前景。然而，對于需要現(xiàn)實(shí)實(shí)驗(yàn)驗(yàn)證的問題，目前AlphaEvolve的效果有限。但DeepMind團(tuán)隊(duì)正在積極探索結(jié)合語言模型進(jìn)行初步定性評估的混合方法，以期進(jìn)一步提升其應(yīng)用范圍。

相較于2023年推出的FunSearch系統(tǒng)，AlphaEvolve不僅在數(shù)學(xué)問題上表現(xiàn)出色，還能創(chuàng)建更廣泛實(shí)用的完整算法。這一突破標(biāo)志著自動化算法發(fā)現(xiàn)領(lǐng)域邁上了新的臺階，為未來的科學(xué)研究和技術(shù)創(chuàng)新提供了強(qiáng)大的支持。