← 2026-05-08 の一覧へ戻るホーム
AlphaEvolve：Gemini を活用したコーディングエージェントによる分野横断的なスケールインパクト

2026/05/08 0:02

AlphaEvolve：Gemini を活用したコーディングエージェントによる分野横断的なスケールインパクト

RSS: https://news.ycombinator.com/rss

元のHacker News記事へ ↗
要約▶

日本語翻訳：

AlphaEvolve は、Google の Gemini に基づく AI コーディングエージェントであり、数学のオープン問題解決に特化したツールから、科学と産業全体で万能な最適化ツールへと進化しました。その決定的な成果は、複雑なアルゴリズム設計を自動化することで劇的な性能向上を実現することです。具体的には、ゲノム分野では DNA シーケンシングの誤り率が 30% 削減され、グリッド最適化分野では電力流解像の実用可能性が 14% から 88% 以上へ改善され、地球科学分野では 20 のカテゴリにわたる自然災害リスク予測精度が 5% 向上し、量子物理学分野では複雑な分子シミュレーション用の量子回路を提案し、エラーを 10 倍低減させることを実現しました。高度数学の分野では、Terence Tao と協力し、Erdős 問題の解決や巡回セールスマン問題の下界およびラムゼイ数に関する下界の改善に寄与しました。コアインフラストラクチャとして、AlphaEvolve は次世代 TPU の設計も最適化し、従来の数か月を要したキャッシュポリシーの発見をわずか 2 日以内で実現するとともに、Google Spanner の圧縮ヒューリスティックを強化して書き込み増幅を 20% 削減し、ストレージフットプリントを約 9% 削減しました。Klarna などの商業パートナーでは、機械学習トレーニング速度が 2 倍になりながらモデル品質も向上し、Substrate では計算リソグラフィーの運用時間が数倍以上改善され、FM Logistic では経路効率が 10.4% 向上し、WPP では精度が 10% 向上し、Schrödinger では MLFF トレーニング速度が 4 倍に速まる成果を達成しました。この変化は、高度なコーディングスキルを必要とせずに物流、金融など幅広い分野のパートナーに対して、重要な分野での R&D サイクルを短縮すると同時に、より高い精度と大幅に低い計算コストを実現することを可能にしています。

本文

一年前、高度なアルゴリズムを設計するための、Gemini（ジェミニ）に搭載されたコーディングエージェント「AlphaEvolve（アルファエボリュート）」を導入しました。当社は、AlphaEvolve が数学およびコンピューターサイエンスの未解決問題における新たな知見の獲得を支援し、以来グーグルインフラの重要な部分を運用する中で既に実装されているアルゴリズムの最適化に貢献することが実証いたしました。 today、アルゴリズムはほぼすべての生活領域に不可欠であり、AlphaEvolve の可能性の地平はさらに拡大しています。自然現象の物理法则への解明や電力網・コンピューティングインフラの稼働支援など、多岐にわたる分野における科学者および企業の進歩加速に寄与する、数え切れないほどの方法が存在します。当社は、現時点で最も顕著な成果を示す AlphaEvolve の事例を皆様と共有することを大いに楽しみにしております。

社会的インパクトと持続可能性の実現

AlphaEvolve は、健康およびサステナビリティ研究における重要なつながりを解明する 데 に貢献してきました。

  • ゲノム科学分野: DeepConsensus（グーグル・リサーチが開発した DNA シーケンシングの誤りを修正するためのモデル）の性能向上に AlphaEvolve が活用され、バリアント検出エラーを 30% 削減することに成功しました。これらの改良により、PacBio の科学家たちはより低コストで遺伝子データをより高精度に分析できるようになりました。

    「Google チームが AlphaEvolve を用いて発見したソリューションは、当社のシーケンシング機器の精度を有意に高めるものであり、研究者にとっては、これまで見逃されてきた疾患関連変異の発見につながりうる高品質なデータをもたらします。」—— Aaron Wenger 氏（PacBio 上級副社長）

  • 電力網最適化分野: AlphaEvolve を交流系統における最適潮流問題（AC Optimal Power Flow Problem）に適用しました。これにより、当社が訓練したグラフニューラルネットワーク（GNN）モデルがこの問題に対して可能な解を見つけられる確率が 14% から 88% 以上へと劇的に向上し、電力網向けの他の高コストな後処理工程の必要性を大幅に低減させることができました。
  • 地球科学分野: AlphaEvolve は複雑な地空間データを、より信頼性が高く実用的な洞察に変換しました。Earth AI モデルの最適化プロセスを支援することで、野火、洪水、竜巻などの 20 カテゴリを対象とした自然災害リスク予測の全体的な精度が 5% 向上しました。

研究の最前線の拡大

AlphaEvolve は強力な研究パートナーとして機能し、科学分野全体の発見プロセスを加速させています。

  • 量子物理学分野: AlphaEvolve の最適化手法により、Google の Willow クオンタムプロセッサ上で複雑な分子シミュレーションを実行することが可能になりました。従来の最適化された基準と比較して 10 倍低い誤り率を持つ量子回路を提案するものであり、これによりクオンタムコンピューティング初の画期的な実証実験への即時貢献が実現しました。また、AlphaEvolve が古典コンピュータの能力を超えるアルゴリズムを発見する未来へと歩み始めています。
  • 世界著名な数学家との協力: テレンス・ tao 氏のように、このシステムはエルデシュ問題を解く手助けを果たしました。

    「AlphaEvolve といったツールは、数学者たちに非常に有用な新たな能力をもたらしています。特に最適化問題において、私たちは潜在的な不等式に対して反例を検証したり、極大値に関する直観を確認したりできるようになり、これらに対する直観が劇的に向上し、厳密な証明をより手っ取り早く見つけることができます。」—— Terence Tao 氏（カリフォルニア大学ロサンゼルス校 数学教授）

  • 記録の更新: AlphaEvolve は、巡回セールスマン問題やラムゼイ数などの古典的な数学的課題において記録を更新しました。また、「タメス問題」の特定インスタンスについても最適化を行いました。さらに、AlphaEvolve が潜在的な解を生成したその他の問題については、公開されているギャラリーで閲覧いただくことができます。

AI インフラの強化

AlphaEvolve はパイロットテスト段階を卒業し、インフラの中核部品としての地位に至りました。

  • TPU 最適化: AlphaEvolve は次世代 TPU の設計最適化に常設ツールとして活用されています。また、2 日間で完了したことを以前には数ヶ月かかる集中的な人的努力が必要なことで実現し、より効率的なキャッシュ置換ポリシーを発見する 데 に貢献しました。

    「AlphaEvolve は当社の AI スタックを支える最下位のハードウェアの最適化を開始しました。その提案した回路設計は極めて直感に反するものであったにもかかわらず、非常に効率的であり、次世代 TPU のシリコンに直接統合されました。これは、TPU の脳が次世代 TPU の身体を設計する取り組みの一つの良い例です。」—— Jeff Dean 氏（Google DeepMind および Google Research チーフサイエンティスト）

  • Google Spanner の効率化: AlphaEvolve は、Google Spanner のロギング構造体マージツリーコンパクトーションのヒューリスティクスを改良することでその効率性を向上させました。この最適化により、ストレージへの書き込み量と元のリクエスト量の比率である「ライトアンプリフィケーション」が 20% 減少し、新たなコンパイラ最適化戦略に関する洞察も提供され、ソフトウェアのストレージフットプリントを約 9% 削減しました。

商業応用へのスケール

現在、Google Cloud と連携して、AlphaEvolve の力を多様な産業にわたる企業へ展開しています。

  • 金融サービス分野: Klarna は同システムを活用し、自社の大型トランスフォーマーモデルの一つを最適化することで、トレーニング速度を 2 倍にしつつモデル品質の向上を実現しました。
  • 半導体製造分野: Substrate は計算リソグラフィフレームワークに AlphaEvolve を適用し、実行時間の大幅な高速化を実現し、高度な半導体のより大規模なシミュレーションを実行できるようになりました。
  • ロジスティクス分野: FM Logistic は同技術を用いて、巡回セールスマン問題などの複雑なルーティング課題の最適化に当たり、従来の重く最適化されたソリューションよりも 10.4% のルーツ効率向上を達成し、年間約 15,000 キロメートルもの走行距離を削減しました。
  • 広告・マーケティング分野: WPP は AI モデルコンポーネントの微調整に AlphaEvolve を用い、複雑かつ高次元なキャンペーンデータをナビゲートし、競合する手動モデル最適化よりも 10% の精度向上を達成しました。
  • 計算材料・生命科学分野: Schrödinger はマシンラーニングされたフォースフィールド（MLFF）のトレーニングおよび推論において約 4 倍の速度向上を実現するために AlphaEvolve を適用しました。

    「AlphaEvolve によって、これまで以上のスピードと効率でより広範な化学空間を探求できます。高速な MLFF 推論には実質的なビジネスインパクトがあり、薬物発見、触媒設計、材料開発における研究開発サイクルを短縮し、分子候補のスクリーニングを数週間から数ヶ月へと縮減することを可能にします。」—— Gabriel Marques 氏（Schrödinger マシンラーニング技術担当リーダー）

AlphaEvolve の未来

去る 1 年間の実績は、AlphaEvolve が急速に多様な用途を持つ汎用的システムとなっていることを示しています。また、次なるブレイクスルーは、学習・進化・最適化を自らに行えるアルゴリズムによって牽引されることが実証されました。今後の展望として、これらの機能を拡大し、この技術の力をより広範な外部課題へ展開することを楽しみにしております。

謝辞

AlphaEvolve は Matej Balog, Alexander Novikov, Ngân Vũ, Marvin Eisenberger, Emilien Dupont, Po-Sen Huang, Adam Zsolt Wagner, Sergey Shirobokov, Borislav Kozlovskii, Francisco J. R. Ruiz, Abbas Mehrabian, M. Pawan Kumar, Abigail See, Swarat Chaudhuri, George Holland, Alex Davies, Sebastian Nowozin, Pushmeet Kohli によって開発されました。この研究は、AI を用いたアルゴリズム発見を焦点とした広範なイニシアチブの一環として展開されました。初期開発の後に続き、Alexey Cherepanov, Anindya Basu, Becky Evangelakos, Jamie Smith, Mario Pinto もチームに加わり、AlphaEvolve のインパクト拡大に貢献しました。

Adam Connors, Alex Bäuerle, Anna Trostanetski, Fernanda Viegas, Gabi Cardoso, Jonathan Caton, Lucas Dixon, Mariana Felix, Martin Wattenberg, Matin Akhlaghinia, Richard Green, Yosuke Ushigome, Yunhan Xu も多数の他者の支援を得て、チームと協力して AlphaEvolve UI の開発を行いました。

Anant Nawalgaria, Diego Ballesteros, Gemma Jennings, Jakob Oesinghaus, Kartik Sanu, Laurynas Tamulevičius, Nicolas Stroppa, Nishta Dhawan, Oliver Hilsenbeck, Reah Miyara, Skander Hannachi, Tom Beyer, Vishal Agarwal も多数の他者の支援を得て、チームと協力して AlphaEvolve API の開発を行い、Google Cloud カスタマーへの接点構築に貢献しました。

当社は、AlphaEvolve の重要な課題において先導的な応用を牽引し、本レポートに貢献してくださった以下の方々に心より感謝申し上げます：Aaron Wenger, Abhradeep Guha Thakurta, Akanksha Jain, Alex Vitvitskyi, Amir Yazdan Bakhsh, Andrew Carroll, Aranyak Mehta, Arthur Conmy, Ansh Nagda, Davide Paglieri, Eric Perim Martins, Hassler Thurston, Hongzheng Chen, Jack Mason, János Kramár, Jeremy Ratcliff, Jessica Sapick, Johannes Bausch, Jonathan Katz, Kevin Miller, Kim Stachenfeld, Mark Kurzeja, Mircea Trofin, Myriam Khan, Nero Geng, Pablo Samuel Castro, Petar Veličković, Pi-Chuan Chang, Prabhakar Raghavan, Raghav Gupta, Rohin Shah, Sasha Vezhnevets, Sébastien Lahaie, Sergio Guadarrama, Shravya Shetty, Shruthi Gorantala, Terence Tao, Todd Lipcon, Tom O'Brien, Vinod Nair, Ziyue Wang, Zun Li、その他多数の AlphaEvolve ユーザーに。

最後に、以下のリーダーシップに指導と支援をいただき感謝申し上げます：Amin Vahdat, Ankur Jain, Demis Hassabis, Jeff Dean, Parthasarathy Ranganathan, Pushmeet Kohli, Saurabh Tiwary, Sundar Pichai。また、AlphaEvolve に搭載されたアプリケーションおよびプロダクトの実現を支えてくれた Google DeepMind, Google Cloud, Google Labs, Google Research およびその他の製品領域のパートナーチームにも深謝申し上げます。

AlphaEvolve: 高度なアルゴリズムを設計するための Gemini 搭載コーディングエージェント

同じ日のほかのニュース

一覧に戻る →

2026/05/08 7:22

キャンバス（Instructure）LMS は、現在も継続中のランサムウェア攻撃の影響で利用できない状態にあります。

## Japanese Translation: 2026 年 5 月 7 日、ShinyHunters 集団と見做されるランサムウェア攻撃により、Instructure の Canvas プラットフォーム（Canvas Beta および Canvas Test を含む）が停止し、調査が行われる間、すべての環境にアクセスできなくなる事態となった。この侵害は Instructure の確認によると、学生名、ID 番号、メール地址、および私信を含む情報を暴露させ、約 9,000 の学校で活動する約 2.75 億人の学生、教職員、スタッフに影響を与えた。ShinyHunters は、影響を受けた学校がサイバーアドバイザリーファームと連絡をとり、「TOX」へ私下に連絡して漏洩期限である 2026 年 5 月 12 日までのデータ漏洩防止に向けた解決策の交渉を行うよう要求し、加えて被害者リストへのリンクも提供した。ShinyHunters は以前にも AT&T、Ticketmaster、Rockstar Games、ADT、Vercel など大手組織を標的にしており、高度な手口を示している。Instructure は以前にも過去のアシインを受け、セキュリティを強化するためのパッチを展開していた。この事実は、大規模な学習管理システムが協調的なランサムウェア作戦に対して極めて脆弱であることを示すと同時に、漏洩期限前に大量のプライバシー侵害を防ぐため、教育機関に脅威アクターとの緊急交渉を迫っている。 ## Text to translate: ## Summary: On May 7, 2026, a ransomware attack attributed to the ShinyHunters group disabled Instructure's Canvas platform (including Canvas Beta and Canvas Test), leaving all environments inaccessible while an investigation proceeds. The breach affected roughly 275 million students, teachers, and staff across 9,000 schools, exposing student names, ID numbers, emails, and private messages per Instructure's confirmation. ShinyHunters demanded that affected schools contact a cyber advisory firm and reach out to "TOX" privately to negotiate a settlement before a data leak on May 12, 2026; the attackers also provided a link to a list of claimed victims. ShinyHunters has previously targeted major organizations such as AT&T, Ticketmaster, Rockstar Games, ADT, and Vercel, indicating sophisticated tactics. Instructure had previously deployed patches to strengthen security following a prior breach. The incident underscores the acute vulnerability of large-scale learning management systems to coordinated ransomware operations and forces educational institutions to urgently negotiate with threat actors to prevent mass privacy violations before the leak deadline.

2026/05/08 4:21

ディリー frag: ユニバーサル Linux LPE（ローカル・プリミティブ型エクスプロイト）

## 日本語翻訳: 「Dirty Frag」は、2026 年 5 月時点ですでにパッチが存在せず、攻撃者が瞬時に完全なルート権限によるシステム制御を可能にする重要な Linux セキュリティ欠陥である。この脆弱性は 2 つの異なる攻撃手法を連結することで、認証バイパスと必須ファイル（例：`/etc/passwd`）の書き換えを実現し、バックドアアクセスを作成することを許可する。技術的には、暗号化通信によく用いられる `esp4`、`esp6`、または `rxrpc` などの特定のカーネルモジュールを標的にしており、サンボクس化された環境内での「ESP 認証バイパス」トリックを用いたり、システムページのキャッシュに悪意のあるルートシェルを記述したりすることで攻撃を行う。通常のソフトウェアアップデートとは異なり、深刻さの理由から情報公開が制限されており、まだ正式な CVE（Common Vulnerabilities and Exposures）は存在しない。影響を受けるユーザーは、手動で脆弱なモジュールをカーネル設定から無効化しない限り、即時に完全なる侵害のリスクに直面している。管理者は、システムパスワード内の特定のバイトシグネチャを確認することで、自らの環境が曝されているかを検証できる。この状況は、「Copy Fail」といった以前にもある脆弱性と類似しており、これもまた別個のバグを連結させていた。「Dirty Frag」に対するパッチが開発されるまで、組織は不正な権限昇進と主要な Linux ディストリビューション全体にわたるデータ漏洩を防ぐため、これらの危険なコンポーネントを能動的に取り除く必要がある。

2026/05/08 8:02

一時的に新しいソフトウェアをインストールしない方がいいかもしれません。

## Japanese Translation: この文書は、Anubis ソフトウェアリリース版 v1.25.0-46-gd3a00da のための情報クレジットとして機能し、マスコットデザインを CELPHASE に帰属させ、サイトは🇨🇦（カナダ）で❤️（愛）を持って構築されたことを示しています。また、ウェブサイトは Techaro セキュリティインフラストラクチャによって保護されていることも記載されています。これら全ての要素は、視覚的な制作の帰属、開発の場所、セキュリティパートナーシップを確認するためのアトリビューションタグとして機能し、より広い歴史的背景や分析的な文脈を提供していません。 ## Text to translate: This passage serves as an informational credit for the Anubis software release, v1.25.0-46-gd3a00da. It attributes the mascot design to CELPHASE and indicates that the site was built with ❤️ in 🇨🇦 (Canada). The text also notes that the website is protected by Techaro security infrastructure. Collectively, these elements function as attribution tags that confirm visual authorship, location of development, and security partnerships, while offering no broader historical or analytical context.