AlphaEvolve：Gemini を活用したコーディングエージェントが多分野での影響を拡大

2026 年 5 月 7 日 科学 AlphaEvolve チーム 1 年前、私たちは [AlphaEvolve](https://deepmind.google/blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/) を紹介しました。これは高度なアルゴリズムを設計するための Gemini パワー型コーディングエージェントです。私たちは AlphaEvolve が、数学やコンピュータサイエンスにおける未解決問題に対する新たな発見を支援し、その後の Google の重要インフラ全体に展開されたアルゴリズムの最適化にも貢献できることを示しました。 今日では、アルゴリズムが生活のほぼすべての側面に関わっているため、AlphaEvolve が達成可能な範囲はさらに広がっています。自然界の物理法則の解明から電力グリッドやコンピューティングインフラの稼働まで、AlphaEvolve は多様な分野における科学者や企業の進捗を加速させる無数の方法で貢献できます。 私たちは、これまでに AlphaEvolve がもたらした最も重要な影響の一覧を発表できることを嬉しく思います。 ## 社会的インパクトと持続可能性への貢献 AlphaEvolve は、健康および持続可能性研究における重要な関連性を解明する手助けをしました。 ゲノミクス分野では、AlphaEvolve が [DeepConsensus](https://www.nature.com/articles/s41587-022-01435-7) の改善に活用されました。これは Google Research によって開発された DNA シーケンシングエラーを修正するためのモデルであり、変異検出エラーを 30% 削減することに成功しました。これらの改良により、[PacBio](https://www.pacb.com/blog/improving-hifi-sequencing-accuracy-with-google-deepconsensus-and-alphaevolve/) の科学者たちは、遺伝子データをより正確かつ低コストで分析できるようになっています。 *「Google チームが AlphaEvolve を用いて発見したソリューションは、シーケンシング装置において意味のあるほど高い精度率を実現します。研究者にとっては、この高品質なデータが、これまで隠れていた疾患原因変異の発見を可能にするかもしれません。」* — Aaron Wenger, PacBio シニアディレクター グリッド最適化分野では、AlphaEvolve が [AC 最適電力潮流問題](https://arxiv.org/abs/2403.17660) に適用されました。これにより、訓練済みのグラフニューラルネットワーク（GNN）モデルが、この問題に対して実行可能な解を見つける能力を 14% から 88% 以上に引き上げることができ、電力グリッドにおける他の高コストな後処理ステップの必要性を大幅に削減しました。 地球科学において、AlphaEvolve は複雑な地理空間データをより信頼性の高い、実行可能な洞察へと変換しました。[Earth AI](https://ai.google/earth-ai/) モデルの最適化を自動化するのを支援することで、山火事、洪水、竜巻など 20 のカテゴリにわたって集計された自然災害リスク予測の全体的な精度が 5% 向上しました。 ## 研究の最前線への進展 AlphaEvolve は強力な研究パートナーとして機能し、科学全体における発見を加速しています。 量子物理学において、AlphaEvolve の最適化により、[Google の Willow 量子プロセッサ](https://blog.google/innovation-and-ai/technology/research/google-willow-quantum-chip/)上で複雑な分子シミュレーションを実行することが可能になりました。これは、従来の従来型の最適化ベースラインと比較してエラーが 10 分の 1 に抑えられた量子回路を提案することによって実現されたものです。これにより、量子コンピューティングの初の実験的デモンストレーションに対する即座に影響力のある貢献が可能となり、古典コンピュータの能力を超えるアルゴリズムを見つける際に AlphaEvolve が支援する未来への道筋を示しています。 テレンス・タオ氏のような世界的に著名な数学者と協力し、このシステムは [エルデシュ問題](https://terrytao.wordpress.com/2025/12/08/the-story-of-erdos-problem-126/) の解決にも貢献しました。 「AlphaEvolve のようなツールは、数学者たちに非常に有用な新たな能力をもたらしています。特に最適化問題においては、反例を見つけるために潜在的な不等式を迅速にテストしたり、極値となるものが何であるかという信念を確認したりすることが可能になり、これらの問題に対する直観が大幅に向上し、厳密な証明をより容易に見つけることができるようになりました。」— UCLA 数学教授 テレンス・タオ氏 AlphaEvolve はまた、古典的な数学的課題においても記録を更新しました。これには、[巡回セールスマン問題](https://arxiv.org/abs/2509.18057) の下限値の改善や [ラムゼイ数](https://arxiv.org/abs/2603.09172) の向上が含まれます。 AlphaEvolve は「[タムス問題](https://en.wikipedia.org/wiki/Tammes_problem)」のインスタンスを最適化しています。AlphaEvolve が潜在的な解決策を生成した追加の問題群については、公開されている [ギャラリー](https://alphaevolve-examples.web.app/ae/gallery) で閲覧できます。 ## AI インフラストラクチャの改善 AlphaEvolve はパイロットテストから脱却し、インフラストラクチャの中核コンポーネントへと成長しました。AlphaEvolve は、次世代 [TPU](https://cloud.google.com/tpu?e=48754805) の設計を最適化するための通常のツールとして活用されています。また、より効率的な [キャッシュ置換ポリシー](https://arxiv.org/abs/2602.22425) の発見にも貢献し、従来は数ヶ月にわたる集中的で人手を要する取り組みが必要だったものを、わずか 2 日で達成しました。 「AlphaEvolve は、AI スタックを支えるハードウェアの最下位レベルの最適化を開始しました。提案された回路設計は直感に反するものながら極めて効率的であり、次世代 TPU のシリコンに直接統合されました。これは、TPU の脳が次世代 TPU の体を設計するのを助ける最新事例です。」— ジェフ・ディーン氏、Google DeepMind 及び Google Research 首席科学者 AlphaEvolve は、[Log-Structured Merge-tree](https://en.wikipedia.org/wiki/Log-structured_merge-tree)（ログ構造型マージツリー）のコンパクションヒューリスティックを改良することで、[Google Spanner](https://cloud.google.com/spanner) の効率性を向上させました。この最適化により、「ライトアンプリフィケーション」（ストレージに書き込まれるデータ量と元の要求量の比率）が 20% 削減されました。また、ソフトウェアのストレージフットプリントを約 9% 削減する [新しいコンパイラ最適化戦略](https://arxiv.org/abs/2601.21096) に関する洞察も提供しました。 ## コマーシャルアプリケーションのスケーリング [Google Cloud と共に](https://cloud.google.com/blog/products/ai-machine-learning/alphaevolve-on-google-cloud?e=48754805)、私たちは現在、AlphaEvolve の力を業界を問わず多様なコマーシャル企業に提供し始めています。 - 金融サービス分野では、Klarna が本システムを用いて、同社最大のトランスフォーマーモデルの最適化を行い、トレーニング速度を倍増させながらモデル品質も向上させました。 - 半導体製造分野では、Substrate が AlphaEvolve を計算リソグラフィフレームワークに適用し、実行時間を数倍短縮。これにより、高度な半導体の大幅に大規模なシミュレーションを実行可能となりました。 - ロジスティクス分野では、FM Logistic が本技術を用いて、セールスマン問題のような複雑な経路最適化課題を解決。既存の高度に最適化されたソリューションと比較して経路効率を 10.4% 向上させ、年間走行距離で 15,000 キロメートル以上の削減を実現しました。 - 広告・マーケティング分野では、WPP が AlphaEvolve を用いて AI モデルコンポーネントの精査を行い、複雑で高次元のキャンペーンデータを処理。競合他社の手動モデル最適化と比較して精度を 10% 向上させました。 - 計算材料科学および生命科学分野では、Schrödinger が AlphaEvolve を適用し、機械学習力場（Machine Learned Force Fields: MLFF）のトレーニングと推論の両方で約 4 倍の高速化を達成しました。 *「AlphaEvolve は、これまで以上に迅速かつ効率的に広大な化学空間を探査することを可能にします。MLFF の推論速度向上は、創薬、触媒設計、材料開発における研究開発サイクルの短縮という実務的なビジネスインパクトをもたらすものであり、企業が生体分子候補を数ヶ月ではなく数日でスクリーニングできるようになります。」* — Schrödinger 機械学習部門技術責任者 Gabriel Marques ## AlphaEvolve の未来 過去1年間、AlphaEvolve がどのように急速に多用途かつ汎用的なシステムへと進化してきたかが示されました。これは、次なるブレークスルーが、自らを学習・進化・最適化できるアルゴリズムによって推進されることを証明しています。先を見据え、私たちはこれらの機能を拡大し、この技術の力をより広範な外部課題にもたらすことに興奮しています。 ## 謝辞 AlphaEvolve は、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、および Pushmeet Kohli によって開発されました。この研究は、AI を用いたアルゴリズム発見に焦点を当てたより広範なイニシアチブの一環として進められました。初期の開発後、Alexey Cherepanov, Anindya Basu, Becky Evangelakos, Jamie Smith、および Mario Pinto がチームに加わり、AlphaEvolve の影響力拡大に取り組んでいます。 Adam Connors, Alex Bäuerle, Anna Trostanetski, Fernanda Viegas, Gabi Cardoso, Jonathan Caton, Lucas Dixon, Mariana Felix, Martin Wattenberg, Matin Akhlaghinia, Richard Green, Yosuke Ushigome、および Yunhan Xu は、多くの他の支援者と共に協力し、AlphaEvolve の UI 開発を行いました。 Anant Nawalgaria, Diego Ballesteros, Gemma Jennings, Jakob Oesinghaus, Kartik Sanu, Laurynas Tamulevičius, Nicolas Stroppa, Nishta Dhawan, Oliver Hilsenbeck, Reah Miyara, Skander Hannachi, Tom Beyer, Vishal Agarwal は、私たちのチームと協力して AlphaEvolve API の開発および Google Cloud の顧客との関与に取り組み、多くの他の人々の支援を受けました。 AlphaEvolve の重要な問題への応用を主導し、本報告書に貢献した協力者たちに心から感謝いたします：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、および AlphaEvolve の多くの他のユーザー。 最後に、指導と支援を賜りましたリーダーシップの皆様に感謝申し上げます：Amin Vahdat 氏、Ankur Jain 氏、Demis Hassabis 氏、Jeff Dean 氏、Parthasarathy Ranganathan 氏、Pushmeet Kohli 氏、Saurabh Tiwary 氏、そして Sundar Pichai 氏。また、AlphaEvolve によって支えられるアプリケーションや製品の実現を可能にしてくださった、Google DeepMind、Google Cloud、Google Labs、Google Research、およびその他の製品部門におけるパートナーチームの皆様にも心より感謝いたします。

AlphaEvolve：Gemini を活用したコーディングエージェントが多分野での影響を拡大

背景や根拠まで確認しますか？

調べる

選ぶ

サイト

背景や根拠まで確認しますか？

ニュースの次に確認する

調べる

選ぶ

サイト