【标题】Discovering faster matrix multiplication algorithms with reinforcement learning

【作者团队】Alhussein Fawzi, Matej Balog, Aja Huang, Thomas Hubert, Bernardino Romera-Paredes等

【发表日期】2022.10.5



【论文链接】

https://www.nature.com/articles/s41586-022-05172-4?utm_source=xmol&utm_medium=affiliate&utm_content=meta&utm_campaign=DDCN_1_GL01_metadata

【推荐理由】最新一期Nature的封面论文中，DeepMind提出AlphaTensor这一Alpha系列智能家族新成员，其用于自动发现算法获得广大科研人员的关注。提高基础计算算法的效率会产生广泛的影响，矩阵乘法就是这样一项原始任务，发生在许多系统中。使用机器学习自动发现算法提供了超越人类直觉并超越当前最佳人工设计算法的前景。DeepMind 科研人员报告了一种基于 AlphaZero的深度强化学习方法-- AlphaTensor，这是首个用于发现任意矩阵乘法的有效且证明正确的算法。智能体AlphaTensor 发现的算法在许多矩阵大小上都优于最先进的复杂性。特别相关的是有限域中 4 × 4 矩阵的情况，AlphaTensor 的算法在 50 年间首次改进了 Strassen 的两级算法。实验结果突出了 AlphaTensor 在一系列问题上加速算法发现过程并针对不同标准进行优化的能力。未来，DeepMind 希望基于他们的研究，更多地将人工智能用来帮助社会解决数学和科学领域的一些最重要的挑战。