- Gemini 4 Argon menurunkan kebutuhan sumber daya komputasi kuantum lebih dari 100 kali lipat.
- Model ini meningkatkan tingkat keberhasilan robot, dari 56% menjadi 75%.
- Argon mengoptimalkan basis kode Google dalam 11 jam, mengurangi overhead sekitar 40%.
- Model membantu memecahkan masalah matematika terkait fusi nuklir, mendorong kemajuan penelitian.
Google baru-baru ini meluncurkan Gemini 4 Argon, model yang diklaim menurunkan kebutuhan sumber daya dalam operasi komputasi kuantum lebih dari 100 kali lipat, sambil membantu peneliti mengembangkan solusi matematika baru untuk mengatasi masalah fusi nuklir, serta meningkatkan performa robot di dunia nyata. Dalam sebuah demonstrasi, Argon menghasilkan komponen algoritma kuantum dengan biaya ruang-waktu lebih dari 100 kali lipat lebih rendah dibandingkan metode yang diterbitkan sebelumnya. Perusahaan tersebut menyatakan bahwa implementasinya diverifikasi secara formal oleh sistem Lean, sebuah sistem untuk memeriksa bukti matematika.
Peningkatan Performa Robot
Model ini juga membantu peneliti menemukan solusi baru untuk masalah matematika berusia puluhan tahun yang terkait dengan reaktor fusi stellarator. Dalam pengujian robot terpisah, data pelatihan yang dihasilkan simulasi Argon meningkatkan tingkat keberhasilan robot dalam tugas dunia nyata dari 56% menjadi 75%. Google mengumumkan kemajuan ini pada 13 Oktober, sebagai bagian dari peluncuran Gemini 4 Argon.
Dalam pengujian lain, model tersebut berjalan tanpa pengawasan selama 11 jam di basis kode perangkat lunak Google yang sudah ada, menghasilkan perubahan yang mengurangi overhead persiapan sesi sekitar 40%, dan meningkatkan kecepatan impor paket sebesar 21%. Komputasi kuantum menjadi lebih ramping; komputer kuantum memerlukan operasi yang dirancang dengan cermat untuk mengeksekusi perhitungan sambil membatasi kesalahan dan kebutuhan perangkat keras. Beberapa algoritma bergantung pada komponen matematika yang lebih kecil, disebut subrutin, yang mengonsumsi sumber daya komputasi besar. Gemini 4 Argon kini telah diluncurkan, tersedia bagi pengembang dan perusahaan di seluruh dunia di tingkat berbayar Gemini API dan platform Gemini, serta pelanggan Ultra Google Antigravity, dan
Pelanggan Ultra dan Pro aplikasi Gemini dan Search juga dapat menggunakannya.
Optimasi Sumber Daya Komputasi Kuantum
Google menyatakan bahwa Argon mengoptimalkan subrutin arcsin untuk algoritma simulasi kuantum. Dibandingkan dengan implementasi CORDIC kuantum yang sudah diterbitkan, versi baru menurunkan biaya ruang-waktu lebih dari 100 kali lipat. Biaya ruang-waktu mengukur sumber daya komputasi yang diperlukan untuk mengeksekusi operasi, dengan mempertimbangkan kebutuhan perangkat keras dan waktu eksekusi. Peningkatan ini berlaku untuk subrutin spesifik yang diuji, bukan untuk sistem komputasi kuantum secara keseluruhan. Argon juga mengoptimalkan versi internal decoder koreksi kesalahan kuantum berbasis pembelajaran mesin Google, AlphaQubit.
Menurut Google, dengan mengubahnya menjadi kernel tunggal yang dioptimalkan untuk perangkat keras, model tersebut hampir menggandakan throughput inferensi.
Kemampuan rekayasa perangkat lunak model tersebut diuji pada Agent Development Kit open-source Google, sebuah kerangka untuk membangun dan men-deploy agen otonom. Dalam satu menjalankan malam selama 11 jam, Argon memeriksa basis kode berisi sekitar 205.000 baris kode, melibatkan hampir 800 berkas. Ia mengajukan enam saran optimisasi, di mana dua di antaranya diterima dan digabungkan ke proyek setelah tinjauan manusia. Perubahan tersebut mengurangi overhead persiapan sesi di memori sekitar 40% pada sesi berdurasi lama, dan memperbaiki kecepatan impor paket sebesar 21%.
Dalam benchmark mandiri, waktu eksekusi agen 158 putaran turun dari 65,6 detik menjadi 56,1 detik. Namun, waktu dari peluncuran proses baru hingga permintaan model pertamanya pada dasarnya tetap tidak berubah.
Dalam penelitian fusi, Google bekerja sama dengan profesor Matt Landreman dari University of Maryland, mengidentifikasi rentang counterexample yang lebih luas untuk membantah konjektur Grad, sebuah hipotesis matematika yang bermula pada 1967. Counterexample sebelumnya sudah menantang konjektur tersebut. Solusi yang baru diidentifikasi dapat menyediakan kasus referensi untuk menguji perangkat lunak simulasi yang digunakan merancang reaktor fusi stellarator, yang memanfaatkan medan magnet kompleks untuk mengurung plasma panas. Di sisi lain, Argon mendemonstrasikan kemampuan menghasilkan lingkungan pelatihan robot fisik.
Bermula dari satu foto meja, model tersebut membangun simulasi berbasis fisik dan menghasilkan lebih dari 4.500 pelatihan tugas manipulasi robot.
Gemini 4 Argon memungkinkan seorang robot belajar bermain corn hole hanya dengan menonton video. Ia memetakan fisika, mengodekan simulasi sendiri, dan mengajarkan robot humanoid Apollo milik @Apptronik untuk melempar dengan sukses tujuh kali berturut-turut. Google melaporkan bahwa data pelatihan yang dihasilkan meningkatkan tingkat keberhasilan robot di dunia nyata dari 56% menjadi 75%, sambil mengurangi waktu penyelesaian tugas dari 35 detik menjadi 24 detik. Dalam demonstrasi lain, Argon membantu robot Spot milik Boston Dynamics berlatih membuka tong sampah pedal dalam simulasi, sebelum mencobanya pada objek nyata.
Selain penelitian robot, peneliti Gamow Labs juga memanfaatkan Argon untuk memeriksa data genetik yang telah di-deidentifikasi dari bayi baru lahir dengan penyakit paru langka perkembangan. Google menyatakan bahwa model tersebut mengidentifikasi penyusunan ulang kromosom yang perangkat lunak konvensional gagal temukan selama bertahun-tahun. Hasil ini melibatkan penelitian ilmiah, rekayasa perangkat lunak, dan kontrol robot fisik. Namun, peningkatan yang dilaporkan tetap spesifik pada eksperimen yang dijelaskan, dan performa yang lebih luas di bidang-bidang tersebut belum terbukti.
Item Spesifikasi Pengurangan biaya ruang-waktu Lebih dari 100 kali lipat Peningkatan tingkat keberhasilan robot 56% hingga 75% Pengurangan waktu penyelesaian tugas 35 detik hingga 24 detik Jumlah baris basis kode Sekitar 205.000 baris
Dampak Gemini 4 Argon pada Robot dan Komputasi Kuantum
Peluncuran Gemini 4 Argon menandai kemajuan penting dalam komputasi kuantum dan teknologi robot. Model ini tidak hanya mencapai pengurangan signifikan dalam kebutuhan sumber daya komputasi kuantum, tetapi juga meningkatkan tingkat keberhasilan robot dalam tugas dunia nyata, menunjukkan potensinya dalam aplikasi praktis. Selain itu, kontribusi Argon pada penelitian fusi nuklir berpotensi mendorong perkembangan lebih lanjut di bidang ilmu terkait, sehingga berdampak jauh pada sektor energi. Kemajuan ini tidak hanya menampilkan kekuatan Google dalam inovasi teknologi, tetapi juga meletakkan fondasi untuk penelitian dan aplikasi masa depan.