- Google erweitert das Antigravity-System zur Lösung mathematischer Probleme und zur Optimierung von Softwaresystemen.
- Das System hat erfolgreich die Formalisierung der Weil-Vermutung und den Beweis der dreidimensionalen Navier-Stokes-Gleichungen erreicht.
- Die Methode von Google beruht auf der parallelen Arbeit mehrerer Agenten, um Fehler zu reduzieren.
- Das Antigravity-System wird auch zur Verbesserung der molekularen Chemie und der Systemtechnik eingesetzt.
Google hat sein Antigravity-Multi-Agenten-System erweitert und nutzt ein von seinem Gemini-Modell geleitetes Expertenteam, um langjährige mathematische Probleme zu lösen, komplexe Beweise zu verifizieren und Softwaresysteme zu optimieren. Das Unternehmen gibt an, dass sein Teamwork-Framework den Forschern hilft, wichtige mathematische Ergebnisse zu formalisieren, molekulare Strukturen zu identifizieren und schnellere Softwareimplementierungen zu entwickeln. Diese Arbeit kombiniert menschliches Fachwissen mit der Zusammenarbeit mehrerer Agenten, die unabhängig Lösungen erkunden, Methoden testen und rechnergestützte Werkzeuge zur Verifizierung der Ergebnisse verwenden.
Formalisation der Ergebnisse zur Weil-Vermutung
Das bemerkenswerteste Ergebnis ist die Formalisierung der Weil-Vermutung, einer Reihe bedeutender mathematischer Ergebnisse über die Anzahl der Lösungen von polynomialen Gleichungen über endlichen Körpern. Das Teamwork-LEAP-System von Google generierte in 28.800 Aufrufen von Unteragenten etwa 1,8 Millionen Zeilen Lean-Code zur Formalisierung dieser Ergebnisse, die ursprünglich 1974 von dem Mathematiker Pierre Deligne bewiesen wurden. Google gab auch an, dass das System die Formalisierung des neuesten Beweises über die endliche Zeitexplosion der dreidimensionalen Navier-Stokes-Gleichungen reproduzierte, ein Problem, das mit einem der sieben Millennium-Preise verbunden ist.
Ob die glatten Lösungen dieser Gleichungen innerhalb einer endlichen Zeit Singularitäten entwickeln können, ist seit etwa 90 Jahren ungeklärt.
Das System half den Forschern auch, die Courtade-Kumar-Vermutung zu lösen, ein Problem der Informationstheorie, das erstmals 2013 aufgestellt wurde. Forscher von Google und akademischen Institutionen entwickelten mit diesem Framework einen umfassenden Beweis, wobei das Gemini-Modell half, analytische Grenzen abzuleiten und Zertifikate zu generieren, die von Computern überprüft werden können. Die Forscher formalisierten den Beweis in Lean 4, einer Programmiersprache und einem Beweisassistenten, die es Computern ermöglichen, mathematische Argumente zu überprüfen. Die Methode von Google beruht auf der parallelen Arbeit mehrerer Agenten, die jedem System unterschiedliche Aufgaben zuweisen, um die vorgeschlagenen Lösungen zu prüfen und zu validieren, mit dem Ziel, Fehler zu reduzieren, die bei der Generierung langer Argumentationsketten durch ein einzelnes Modell auftreten können.
Erfolgreiche Anwendungen in der Systemtechnik
Jeder spezialisierte Agent erhält nur die Dokumente und Werkzeuge, die zur Ausführung seiner Aufgabe erforderlich sind. Unabhängige Prüfer und Gutachter überprüfen die Ergebnisse, ohne sich auf die Argumentation der ursprünglichen Agenten zu stützen. Neben der Mathematik hat Google diese Methode auch in der molekularen Chemie angewendet. Eine Gruppe von 30 spezialisierten Agenten arbeitete mit physikalischen Informationssimulatoren zusammen, um molekulare Strukturen aus Daten der Kernspinresonanz (NMR) zu identifizieren, mit einer Genauigkeit von 95 % für den ersten Platz und 100 % für die ersten drei Plätze bei komplexen Benchmark-Molekülen.
Das Framework erzielte auch Erfolge in der Systemtechnik. Google gab an, dass seine Agenten den libgav1 AV1-Videodecoder des Unternehmens von C++ in etwa 170.000 Zeilen Rust-Code umschrieben und dabei vollständige Ausgabekonsistenz in umfangreichen Test-Suites erreichten. Die ursprüngliche Umschreibung lief etwa viermal schneller als die ursprüngliche Implementierung. Als die Agenten Leistungsanalysetools erhielten und beauftragt wurden, die Leistung zu verbessern, wurde die Rust-Version 20 % bis 30 % schneller als die ursprüngliche C++-Implementierung auf x86_64- und ARM-Prozessoren.
In einem anderen Projekt wurde ein zweiwöchiges Programm durchgeführt, um den verbleibenden C++-Code im Zircon-Mikrokernel in etwa 800.000 Zeilen speichersicheren Rust umzuschreiben, das die Kernel-Einheitstests bestand und in der Lage war, auf ARM64-Hardware zu starten.
Google berichtete auch über Verbesserungen seiner internen Infrastruktur. Sein intelligentes Planungs-Workflow reduzierte die Preemption von TPU-Workloads um 24 % auf bestimmten Hardwaretypen, während die Service-Level-Ziele und die Cluster-Auslastung aufrechterhalten wurden. Das Unternehmen bietet Teamwork und seinen iterativen Codierungs-Workflow /boost über Antigravity an und hat 10.000 akademische Forscher zur Bewerbung eingeladen, um sechs Monate kostenlosen Zugang mit hoher Nutzung zu erhalten. Das Unternehmen gab an, dass in Zukunft zusätzliche spezialisierte Workflows, einschließlich formaler Beweiswerkzeuge, angeboten werden.
Vielfältige Anwendungen und Auswirkungen des Antigravity-Systems
Das Antigravity-System von Google hat nicht nur bedeutende Fortschritte im mathematischen Bereich erzielt, sondern wurde auch erfolgreich in der molekularen Chemie und der Systemtechnik angewendet. Dies zeigt die Vielseitigkeit des Systems, das menschliches Fachwissen mit der Zusammenarbeit von Agenten kombiniert, um komplexe Probleme zu lösen. Durch die parallele Arbeit mehrerer Agenten hat Google die Fehler, die bei einem einzelnen Modell auftreten können, reduziert und damit die Genauigkeit und Zuverlässigkeit der Ergebnisse erhöht. Dieser innovative Ansatz fördert nicht nur die Entwicklung mathematischer Theorien, sondern verbessert auch die Softwareleistung in praktischen Anwendungen und hat bedeutende Implikationen für die zukünftige technologische Entwicklung.

