AlphaEvolve redujo el exponente de la multiplicación de matrices, no tu factura de GPU

Un nuevo preprint informa de que AlphaEvolve ayudó a reducir la mejor cota superior conocida del exponente de multiplicación de matrices, que suele escribirse con la letra griega omega, de $2.371339$ a $2.371177$. Es un récord teórico real. No es un kernel nuevo de multiplicación de matrices, ni una aceleración de GPU medida, ni una razón para esperar una factura de nube más baja.

La distinción importa porque la multiplicación de matrices impulsa el entrenamiento y la inferencia de redes neuronales. Un titular sobre un exponente mejor puede sonar a aceleración inmediata de la IA. En este caso, los investigadores utilizaron técnicas de aprendizaje automático y AlphaEvolve para buscar en un enorme problema de optimización matemática. Después usaron un proceso independiente de aritmética exacta para certificar el resultado candidato.

El artículo del 17 de agosto solo es un preprint, y su código de verificación y la solución descubierta, que se habían prometido, no eran públicos el 20 de agosto. Por tanto, el certificado aún no se ha reproducido públicamente de forma independiente. La conclusión prudente es: los autores informan de una nueva cota superior comprobada rigurosamente, con un paso importante de reproducibilidad todavía pendiente.

¿Qué significa el exponente de multiplicación de matrices?

El método escolar habitual multiplica dos matrices $n \times n$ con aproximadamente $n^3$ operaciones aritméticas. El exponente es $3$ porque duplicar la dimensión de la matriz aumenta el recuento principal de operaciones aproximadamente en $2^3=8$.

En 1969, Volker Strassen mostró que la multiplicación de matrices podía utilizar menos operaciones que las cúbicas. Eso abrió una pregunta que sigue vigente: ¿hasta qué punto puede acercarse el exponente a $2$, la escala que solo hace falta para escribir las $n^2$ entradas de la respuesta?

Los investigadores formalizan la pregunta usando omega, $\omega$. De manera informal, $\omega$ es el exponente mínimo para el que se pueden multiplicar matrices cuadradas suficientemente grandes con unas $n^\omega$ operaciones aritméticas, permitiendo que la notación asintótica oculte factores de orden inferior.

Hay dos límites que conviene mantener separados:

• La propia salida proporciona una cota inferior, $\omega \geq 2$.
• Un algoritmo o construcción matemática descubierta proporciona una cota superior, como $\omega < 2.371177$.

Reducir la cota superior no revela el valor verdadero de omega. Demuestra que la respuesta desconocida no es mayor que el nuevo número. La brecha entre $2$ y $2.371177$ sigue abierta.

El récord anterior, $\omega < 2.371339$, se publicó en las actas de SODA de 2025. La mejora del nuevo artículo es $0.000162$. Parece diminuta, pero durante décadas los avances en este campo han sido pequeños y difíciles. El artículo independiente de Quanta aporta el contexto correcto: estos récords ayudan a entender los límites teóricos del problema, mientras que el método láser que los sustenta se analiza, no se ejecuta como una implementación práctica.

Qué cambió realmente AlphaEvolve

El nuevo resultado no cuenta una historia en la que un modelo de lenguaje inventara directamente la demostración final. El trabajo tiene cuatro capas distintas: una reformulación matemática, una búsqueda numérica a gran escala, una mejora del programa asistida por AlphaEvolve y una certificación exacta.

1. Los humanos reformularon el problema de optimización

Los récords recientes de omega utilizan un refinamiento del método láser, una técnica teórica para descomponer y analizar la multiplicación de matrices. El análisis puede expresarse como un problema de optimización no convexa con restricciones. «No convexa» significa que el paisaje puede contener muchos puntos buenos localmente, de modo que seguir una dirección descendente no garantiza encontrar el mejor resultado global.

El récord anterior buscó la construcción hasta un nivel máximo de recursión $3$, con unos 25.000 parámetros optimizables. El nuevo equipo reformuló el problema para alcanzar el nivel de recursión $4$, donde la búsqueda crece hasta casi 7 millones de parámetros.

Un espacio de búsqueda mayor no es automáticamente mejor: también resulta mucho más difícil de optimizar. La contribución consistió en hacerlo manejable desde el punto de vista computacional.

2. Las herramientas de aprendizaje automático hicieron diferenciable y paralela la búsqueda

Muchas variables son distribuciones de probabilidad. En lugar de optimizar directamente probabilidades restringidas, los investigadores las representaron como logits sin restricciones y convirtieron esos logits en probabilidades mediante una función softmax. Es un patrón habitual del aprendizaje automático.

Utilizaron el algoritmo de Sinkhorn-Knopp para manejar distribuciones de máxima entropía, diferenciación automática para calcular gradientes y Adam para actualizar los parámetros. Implementaron el sistema en JAX, reorganizando un cálculo de grafo irregular en tensores agrupados y enmascarados que las GPU podían procesar en paralelo.

Este sistema basado en gradientes ya mejoró el récord anterior. El artículo afirma que redujo la cota aproximadamente en $0.000097$ antes de aplicar AlphaEvolve.

3. AlphaEvolve mejoró el programa optimizador

AlphaEvolve es un agente de programación que propone cambios en programas, ejecuta candidatos frente a evaluadores automáticos y evoluciona las versiones prometedoras. Aquí no multiplicó matrices de producción. Modificó el programa utilizado para buscar una cota matemática mejor.

Según el nuevo artículo, cada optimizador candidato tardaba unas cinco horas en una sola GPU para producir una cota. AlphaEvolve usó esa cota como puntuación y evolucionó el código para reducir el número. Los investigadores informan de que ayudó una configuración de «construcciones evolutivas»: un optimizador hijo comenzaba a partir de la mejor solución encontrada por su progenitor en vez de empezar de cero.

La división del mérito aparece con una claridad inusual en el artículo:

Etapa	Contribución comunicada
Récord publicado anteriormente	$\omega < 2.371339$
Nueva optimización basada en gradientes	Mejoró el récord en aproximadamente $0.000097$
Optimización refinada por AlphaEvolve	Extendió la mejora total hasta aproximadamente $0.000162$
Cota final comunicada	$\omega < 2.371177$

AlphaEvolve amplió un sistema de optimización ya exitoso, diseñado por humanos y habilitado por ML. Decir que AlphaEvolve por sí solo «resolvió la multiplicación de matrices» borraría tanto la configuración matemática como la mejora numérica anterior del equipo.

4. La aritmética exacta comprobó el candidato numérico

Un optimizador de coma flotante puede devolver un número prometedor sin demostrar que todas las restricciones matemáticas se cumplen realmente. Los pequeños errores de redondeo importan cuando la mejora declarada solo aparece en la cuarta cifra decimal.

Por eso, los autores describen un paso de verificación separado. Redondearon la solución de coma flotante a números racionales, calcularon las cantidades derivadas con aritmética racional exacta y acotaron los logaritmos en la dirección conservadora. La intención es convertir un candidato numérico en un certificado válido de la cota superior.

Esta separación es buena matemática asistida por ordenador: utiliza cálculo aproximado rápido para descubrir y después un método más estricto para verificar. Pero conviene distinguir la afirmación de certificación de los autores de la reproducción pública independiente. El artículo dice que se está preparando el repositorio de verificación; en el momento de su publicación no había un enlace desde arXiv.

Por qué la nueva cota no acelera la multiplicación de matrices en GPU

Un exponente asintótico describe cómo crece el número de operaciones cuando $n$ se vuelve extraordinariamente grande. El rendimiento real de una GPU depende de mucho más:

• las constantes y los términos de orden inferior ocultos por la notación asintótica;
• los tamaños y las formas de las matrices utilizadas por un modelo;
• el movimiento de memoria, el comportamiento de la caché y la comunicación entre dispositivos;
• la precisión y la estabilidad numéricas;
• la eficacia con que un kernel utiliza los tensor cores y otro hardware; y
• la sobrecarga de convertir una construcción teórica en pasos ejecutables.

El nuevo artículo no proporciona un kernel de CUDA, Triton, JAX o una biblioteca de fabricante que implemente el método láser. Informa de un análisis mejor de lo que es posible en principio.

Un cálculo ilustrativo muestra por qué el cambio de exponente por sí solo no puede predecir una mejora de tiempo útil. Si dos algoritmos imaginarios tuvieran constantes iguales y costes exactamente proporcionales a $n^{2.371339}$ y $n^{2.371177}$, el exponente menor reduciría el término principal en las siguientes cantidades:

Dimensión de matriz $n$	Reducción ilustrativa del término principal
$1{,}000$	aproximadamente $0.11\%$
$1{,}000{,}000$	aproximadamente $0.22\%$
$1{,}000{,}000{,}000{,}000$	aproximadamente $0.45\%$

No son benchmarks. La hipótesis de constantes iguales es poco realista y la construcción del método láser puede llevar enormes costes ocultos. La tabla solo demuestra lo lentamente que se acumula una diferencia de exponentes de $0.000162$. Para tamaños prácticos, un algoritmo optimizado con peor exponente asintótico puede ser fácilmente más rápido.

Esto también separa el resultado del otro trabajo de AlphaEvolve sobre multiplicación de matrices. Su artículo de sistema anterior comunicó una construcción de 48 multiplicaciones para un problema concreto de valores complejos de $4 \times 4$. El preprint de omega mejora una cota asintótica mediante un flujo de optimización diferente. Ninguno de los dos resultados demuestra que una multiplicación ordinaria de matrices en GPU se haya abaratado de la noche a la mañana.

Por qué el resultado sigue siendo importante

Su valor inmediato es metodológico y teórico.

Primero, el equipo escaló una optimización delicada de unos 25.000 a 7 millones de parámetros al traducir ideas del aprendizaje automático moderno a una búsqueda de demostraciones asistida por ordenador. Eso crea un puente concreto entre la ingeniería de optimización y la informática teórica.

Segundo, el resultado muestra un papel útil para un agente de programación evolutivo. AlphaEvolve buscó programas optimizadores, no solo configuraciones numéricas. El evaluador aportó un objetivo preciso, mientras que los investigadores humanos aportaron la representación matemática, el sistema de cálculo, el estándar de verificación y la interpretación.

Tercero, incluso una pequeña mejora de la cota superior reduce lo que los investigadores tienen que explicar. Si el exponente verdadero es $2$, los análisis actuales del método láser siguen lejos de él. Si es mayor, unas cotas superiores e inferiores mejores ayudan a cartografiar el territorio.

Para los profesionales, la lección más transferible no es una multiplicación de matrices general más rápida. Es un flujo de trabajo:

1. expresar una búsqueda científica difícil como un programa evaluable;
2. utilizar optimización diferenciable y paralelismo de hardware donde encajen;
3. dejar que un agente de programación explore cambios a nivel de programa bajo una puntuación medible; y
4. verificar el resultado numérico ganador con un método diseñado para descartar el error de aproximación.

Este flujo resulta más interesante que la versión dramática del titular porque muestra exactamente dónde ayudó el sistema de IA y dónde siguió siendo esencial el juicio matemático humano.

¿Qué pruebas deberían llegar después?

El primer punto de control es el repositorio prometido, que contiene el código de verificación y la solución descubierta. Los investigadores independientes deberían poder ejecutar el certificado, inspeccionar la dirección de cada cota numérica y reproducir $\omega < 2.371177$.

El siguiente punto de control es la revisión por pares. El artículo es un preprint de arXiv, no una publicación revisada por pares. La revisión puede confirmar el resultado, identificar un problema técnico o aclarar qué parte de la construcción merece más peso.

Por último, conviene observar los trabajos posteriores que separen tres preguntas que suelen colapsarse en un solo titular:

• ¿Puede el optimizador encontrar una cota asintótica certificada aún menor?
• ¿Puede el método enseñar algo nuevo sobre los límites del enfoque láser?
• ¿Puede alguna idea relacionada convertirse en una implementación estable y consciente del hardware para matrices realistas?

El récord comunicado solo responde a la primera pregunta. Para repasar el álgebra lineal que sustenta la multiplicación de matrices, empieza con nuestra guía de vectores a embeddings. Para conocer un marco con el que evaluar mejoras comunicadas, consulta cómo las evaluaciones dan forma a los productos de IA.

Fuentes

1. Improving the matrix multiplication exponent with modern optimization and AlphaEvolve
2. AlphaEvolve: A coding agent for scientific and algorithmic discovery
3. More Asymmetry Yields Faster Matrix Multiplication
4. New Breakthrough Brings Matrix Multiplication Closer to Ideal