Google expande su sistema Antigravity para resolver problemas matemáticos de larga data y optimizar sistemas de software

·por Henderson·AI
Google expande su sistema Antigravity para resolver problemas matemáticos de larga data y optimizar sistemas de software

Google ha ampliado su sistema de múltiples agentes Antigravity, utilizando su Gemini modelo impulsado por un equipo especializado para resolver problemas matemáticos de larga data, verificar pruebas complejas y optimizar sistemas de software. La compañía afirma que su marco Teamwork ayuda a los investigadores a formalizar resultados matemáticos importantes, identificar estructuras moleculares y desarrollar implementaciones de software más rápidas. Este trabajo combina la experiencia humana con la colaboración de múltiples agentes, que exploran soluciones de manera independiente, prueban métodos y utilizan herramientas computacionales para verificar resultados.

Uno de los logros más destacados es la formalización de la conjetura de Weil, un conjunto de resultados matemáticos significativos sobre la cantidad de soluciones de ecuaciones polinómicas sobre campos finitos. El sistema Teamwork-LEAP de Google generó aproximadamente 1.8 millones de líneas de código Lean en 28,800 invocaciones de subagentes para formalizar estos resultados, que fueron inicialmente probados por el matemático Pierre Deligne en 1974. Google también indicó que el sistema reprodujo la formalización de la última prueba sobre la explosión en tiempo finito de las ecuaciones de Navier–Stokes en tres dimensiones, un problema relacionado con uno de los siete problemas del milenio.

La cuestión de si las soluciones suaves de estas ecuaciones pueden desarrollar singularidades en un tiempo finito ha estado pendiente durante aproximadamente 90 años.

El sistema Antigravity de Google logra avances significativos en matemáticas y química

El sistema también ayudó a los investigadores a resolver la conjetura de Courtade–Kumar, un problema de teoría de la información propuesto por primera vez en 2013. Investigadores de Google y de instituciones académicas utilizaron el marco para desarrollar una prueba integral, y el modelo Gemini ayudó a derivar límites analíticos y generar certificados para verificación computacional. Los investigadores formalizaron la prueba en Lean 4, un lenguaje de programación y asistente de pruebas que permite a las computadoras verificar argumentos matemáticos. El enfoque de Google depende de múltiples agentes que trabajan en paralelo, asignando diferentes tareas a cada sistema para desafiar y validar las soluciones propuestas, con el objetivo de reducir errores que pueden surgir cuando un único modelo genera largas cadenas de razonamiento.

Cada agente especializado recibe únicamente los documentos y herramientas necesarias para llevar a cabo su tarea. Revisores y auditores independientes examinan los resultados sin depender del razonamiento del agente original. Además de las matemáticas, Google ha aplicado este enfoque a la química molecular. Un grupo de 30 agentes especializados colaboró con simuladores de información física para identificar estructuras moleculares a partir de datos de resonancia magnética nuclear (NMR), logrando una precisión del 95% en el primer lugar y del 100% en los tres primeros lugares, en relación con moléculas de referencia complejas.

El marco también ha logrado resultados en ingeniería de sistemas. Google indicó que sus agentes reescribieron el decodificador de video AV1 libgav1 de la compañía de C++ a aproximadamente 170,000 líneas de código Rust, logrando una consistencia total de salida en una amplia gama de pruebas. La reescritura inicial funcionó a una velocidad aproximadamente cuatro veces mayor que la implementación original. Cuando los agentes obtuvieron herramientas de análisis de rendimiento y se les asignó la tarea de mejorar el rendimiento, la versión en Rust se volvió entre un 20% y un 30% más rápida que la implementación original en C++ en procesadores x86_64 y ARM.

En otro proyecto, un plan de dos semanas reescribió el código restante en C++ del microkernel Zircon a aproximadamente 800,000 líneas de Rust seguro para la memoria, pasando las pruebas unitarias del núcleo y siendo capaz de arrancar en hardware ARM64.

Google también informó sobre mejoras en su infraestructura interna. Su flujo de trabajo de programación inteligente redujo la preempción de cargas de trabajo de TPU en ciertos tipos de hardware en un 24%, manteniendo al mismo tiempo los objetivos de nivel de servicio y la utilización del clúster. La compañía está ofreciendo Teamwork y su flujo de trabajo de codificación iterativa /boost a través de Antigravity, y ha abierto 10,000 solicitudes para investigadores académicos para obtener seis meses de acceso gratuito con alta utilización. La compañía indicó que en el futuro ofrecerá flujos de trabajo especializados adicionales, incluidos herramientas de prueba formal.

H
Sobre el autor
Henderson