От квантовых алгоритмов до термоядерного синтеза: на что способна Gemini 4 Argon
Gemini 4 Argon переписал код Google (коллаж: РБК-Украина)
Новая ИИ-модель от Google оптимизирует квантовые алгоритмы, решает сложные математические уравнения термоядерного синтеза и позволяет работам более эффективно выполнять задачи в реальном мире.
Об этом сообщает РБК-Украина со ссылкой на Interesting Engineering.
Прорыв в квантовых вычислениях и программировании
В ходе демонстрации Gemini 4 Argon вычислила компонент квантового алгоритма (подпрограмму arcsin), снизив пространственно-временные затраты вычислений более чем в 100 раз по сравнению с существующими методами.
Правильность решения была формально подтверждена учеными посредством системы проверки математических доказательств Lean.
Кроме того, модель почти вдвое увеличила пропускную способность декодера квантовых ошибок AlphaQubit, превратив его в единственное оптимизированное ядро.
В области программной инженерии ИИ демонстрирует высокий уровень автономности.
Как именно?
Автономная работа: в течение 11 часов без вмешательства человека модель изучала открытый код Agent Development Kit, содержащий около 205 тысяч строк в почти 800 файлах.
Результаты оптимизации: ИИ предложил шесть улучшений, два из которых успешно прошли проверку людьми.
Эффективность: это позволило сократить затраты на подготовку сеансов в памяти примерно на 40% и ускорить импорт пакетов на 21%.
Читайте больше: Бесплатно не работает: Google разворачивает флагманский ИИ Gemini 4 Argon
Термоядерный синтез, робототехника и генетика
В сотрудничестве с учеными университета Мериленда Gemini 4 Argon помогла найти новые решения математической гипотезы Града 1967 года.
Полученные данные используют для тестирования симуляций стеллараторов - термоядерных реакторов, удерживающих горячую плазму с помощью сложных магнитных полей.
Параллельно нейросеть показала высокие результаты в обучении роботов, а именно:
Создание симуляций: на основе единственной фотографии стола Gemini 4 Argon построила физическую симуляцию и сгенерировала более 4500 учебных эпизодов.
Рост точности: это повысило успешность выполнения задач роботом в реальном мире с 56 до 75 процентов, сократив время выполнения с 35 до 24 секунд.
Практические тесты: ИИ помог работу Spot от Boston Dynamics научиться открывать мусорный бак педалью.
В медицинской сфере исследователи из Gamow Labs использовали Gemini 4 Argon для анализа обезличенных генетических данных новорожденных с редкими заболеваниями легких.
Модель сумела обнаружить хромосомную перестройку, которую традиционное ПО не замечало годами.
