Google представила Gemini 4 Argon, которая сократила затраты на квантовый алгоритм более чем в 100 раз
Google представила новую модель искусственного интеллекта Gemini 4 Argon, которая помогла значительно улучшить алгоритмы квантовых вычислений, решить математические задачи в области термоядерного синтеза и повысить эффективность роботов. В одном из экспериментов разработанный нейросетью алгоритм потребовал более чем в 100 раз меньше вычислительных ресурсов по сравнению с ранее опубликованным решением.
О запуске Gemini 4 Argon компания объявила 13 октября 2026 года. Модель предназначена для решения сложных научных, инженерных и программных задач, требующих многоэтапного анализа. Разработчики уже испытали её возможности в нескольких исследовательских проектах, включая квантовые вычисления, робототехнику и моделирование физических процессов.
Одним из наиболее заметных результатов стала оптимизация математической операции вычисления обратного синуса, используемой в алгоритмах квантового моделирования. Gemini 4 Argon создала новый вариант квантовой схемы, который оказался более чем в 100 раз экономнее по совокупным затратам вычислительных ресурсов и времени выполнения. Корректность алгоритма проверили с помощью системы формальной проверки математических доказательств Lean.
При этом улучшение относится к конкретной вычислительной операции, а не к производительности квантовых компьютеров в целом. В другом эксперименте нейросеть оптимизировала AlphaQubit — разработанную Google систему исправления ошибок квантовых вычислений. В результате скорость обработки данных увеличилась почти вдвое.
Gemini 4 Argon также помогла физикам исследовать математические модели стеллараторов — термоядерных установок, удерживающих горячую плазму с помощью сложных магнитных полей. Совместно с профессором Мэттом Ландреманом из Мэрилендского университета исследователи нашли новые решения уравнений, расширяющие ранее известный класс исключений из математической гипотезы, предложенной в 1967 году. Эти результаты могут использоваться для проверки программ, применяемых при проектировании термоядерных реакторов.
В робототехнике модель продемонстрировала способность самостоятельно создавать обучающие симуляции по фотографиям реальных объектов. Используя один снимок рабочего стола, она построила физическую модель окружения и подготовила более 4500 тренировочных эпизодов. После обучения на этих данных доля успешно выполненных роботом заданий выросла с 56 до 75%, а среднее время выполнения сократилось с 35 до 24 секунд.
Отдельно Google проверила способность нейросети самостоятельно улучшать программное обеспечение. В течение 11 часов Gemini 4 Argon анализировала проект объёмом около 205 тысяч строк кода и предложила шесть изменений. После проверки инженеры приняли два из них, что позволило сократить затраты времени на подготовку длительных программных сеансов примерно на 40%, а загрузку программных модулей ускорить на 21%.
Все результаты получены в конкретных экспериментах, поэтому они пока не подтверждают аналогичного преимущества модели в любых научных или инженерных задачах. Тем не менее проведённые испытания показывают, что искусственный интеллект способен не только анализировать результаты исследований, но и создавать новые математические решения, оптимизировать сложные алгоритмы и разрабатывать способы обучения физических роботов.