DeepMind AlphaEvolve 跨領域戦績：4×4 行列乗算が Strassen 1969 の記録を更新、Gemini はトレーニングが 1% 速い

Google DeepMind は 5 月 7 日（米国時間）に、AlphaEvolve の分野横断成果レポートを公開しました。DeepMind 公式ブログは、AlphaEvolve の公開以来の具体的な進展を次のようにまとめています。Strassen（1969）のアルゴリズムより優れた 4×4 複素数行列の乗算方法（48 回の純粋なスカラー乗算）を見つけたこと、Terence Tao（テレンス・タオ）などの数学者と協力して複数の Erdős（エルデシュ）数学の難問を解決したこと、Google のデータセンターで世界の計算リソースを 0.7% 節約したこと、Gemini の学習に使う重要な kernel の速度を 23% 向上させたこと、そして全体の Gemini の学習時間を 1% 短縮したことです。

構成：Gemini Flash による幅広い探索 + Gemini Pro による深い評価を行う進化型エージェント

AlphaEvolve は進化型のコーディング・エージェントで、汎用のアルゴリズム発見と最適化のために設計されています。

Gemini Flash—探索するアイデアの「幅」を最大化

Gemini Pro—深い批判的な提案を行う

自動評価器—各候補の回答を検証し、フィードバックを提供

進化フレームワーク—評価フィードバックに基づいて継続的に反復し、最も有望な解を保持

この構造により AlphaEvolve は、人間が事前にガイドしなくても、開かれた問題に対して解を継続的に生成・テストでき、「答えが自動で検証できる」領域（アルゴリズム、数学、最適化問題）に適しています。

数学の成果：4×4 行列乗算が 1969 年の記録を更新、Terence Tao（テレンス・タオ）との協業で Erdős 問題を解決

AlphaEvolve は数学とコンピュータサイエンスで次の具体的な進展を示しました。

4×4 複素数値行列の乗算：純粋なスカラー乗算を 48 回だけで済むアルゴリズムを見つけ、Strassen（1969）が提示した最良の結果を上回った

Terence Tao（テレンス・タオ）などの著名な数学者と協力し、複数の Erdős（エルデシュ）によるオープン問題を共同で解決

Strassen のアルゴリズムは行列乗算の計算複雑度における長年の最適解の一つで、AlphaEvolve はこの案件で数十年にわたる記録を破りました。これは「AI エージェントが数学の境界で新しい解を見つけた」具体例です。

インフラの成果：Google のデータセンターで省エネ、量子回路の誤差が 10×に低減

AlphaEvolve の Google 自社システムでの活用：

データセンター：より良いタスクのスケジューリング方法を見つけ、世界の計算リソースを平均で 0.7% 回収

Gemini の学習：重要な kernel の速度が 23% 向上し、学習全体の時間が 1% 減少

量子物理：Google の Willow 量子プロセッサ上で、AlphaEvolve が設計した量子回路の誤差は従来の最適化ベースラインより 10 倍低くなり、複雑な分子シミュレーションを Willow 上で実行できるように

電力網の最適化：グラフニューラルネットワーク（GNN）モデルで AC Optimal Power Flow 問題を解く際の、実行可能解の割合を 14% から 88% 以上へ引き上げ

地球科学：Earth AI モデルの最適化を自動化し、自然災害リスク予測の精度を 5% 向上

今後追跡可能な具体的な出来事：AlphaEvolve が Google の社内ツールとして外部研究者に公開されるか、Erdős 系列の問題でのその後のブレイクスルー、そして AlphaEvolve の Google Cloud における商業化の進捗（DeepMind が Google Cloud ブログで関連する統合を予告している）です。

この記事「DeepMind の AlphaEvolve は分野横断で戦績」：4×4 行列乗算が Strassen（1969）の記録を更新、Gemini の学習が 1% 速い—最初に 鏈新聞 ABMedia に掲載されました。