AlphaEvolve: 여러 분야로 영향력을 확장하는 Gemini 기반 코딩 에이전트

AlphaEvolve는 Gemini 기반 코딩 에이전트로, 고급 알고리듬 설계에서 출발해 수학·컴퓨터과학의 공개 문제, Google 내부 인프라, 산업 현장으로 적용 범위를 넓혔다.

유전체학에서는 DeepConsensus 개선에 쓰여 변이 검출 오류를 30% 줄였고, 전력망의 AC Optimal Power Flow 문제에서는 실행 가능한 해를 찾는 비율을 14%에서 88% 이상으로 끌어올렸다. 지구과학에서는 Earth AI 최적화를 자동화해 산불·홍수·토네이도 등 20개 범주의 자연재해 위험 예측 전체 정확도를 5% 높였다.

연구 최전선에서도 성과가 이어졌다.

• Willow quantum processor용 회로를 기존 기준선보다 10배 낮은 오류로 제안
• Terence Tao와 함께 Erdős 문제 해결에 기여
• Traveling Salesman Problem, Ramsey Numbers 등의 하한 개선에 활용

Google 인프라에서는 TPU 설계, 캐시 교체 정책, Spanner의 LSM-tree 컴팩션, 컴파일러 최적화에 적용됐다. 특히 캐시 교체 정책은 이전에 수개월 걸리던 작업을 이틀 만에 끝냈고, Spanner 쪽 개선은 write amplification을 20% 줄였다.

상용 적용도 확대됐다.

• Klarna: 학습 속도 2배 개선
• FM Logistic: 경로 효율 10.4% 개선, 연간 15,000km 이상 절감
• Schrödinger: MLFF 학습·추론 모두 약 4배 속도 향상

Google DeepMind는 AlphaEvolve 기능을 더 확장해 외부 과제에 넓게 적용할 계획이라고 밝혔다.