Reinforced Generation of Combinatorial Structures: Hardness of Approximation

Die Arbeit demonstriert, wie das KI-Tool AlphaEvolve durch die automatische Entwicklung von Code-Mutationen und effizienteren Verifikationsverfahren neue Härte-Approximationsergebnisse für kombinatorische Optimierungsprobleme wie MAX-CUT, MAX-4-CUT und das metrische Traveling Salesman Problem liefert.

Ansh Nagda, Prabhakar Raghavan, Abhradeep Thakurta

Veröffentlicht 2026-03-11
📖 6 Min. Lesezeit🧠 Tiefgang

Each language version is independently generated for its own context, not a direct translation.

Titel: Wie ein digitaler „Kreativ-Genie" die Grenzen der Mathematik neu vermessen hat

Stellen Sie sich vor, Sie versuchen, ein riesiges, komplexes Labyrinth zu durchqueren. In der Welt der Informatik und Mathematik gibt es solche Labyrinthe für fast jedes Problem: Wie teilt man eine Gruppe von Leuten am besten in zwei Lager auf, ohne dass sich zu viele streiten? Wie findet man den kürzesten Weg, um alle Städte einmal zu besuchen und wieder zurückzukommen (der berühmte „Handelsreisende")?

Die Mathematiker wissen seit Jahrzehnten, dass diese Probleme extrem schwer zu lösen sind. Aber sie haben auch eine Frage: Wie schwer sind sie wirklich? Gibt es einen Weg, der fast perfekt funktioniert, oder sind wir für immer auf halben Weg steckengeblieben?

Bisher haben Menschen und herkömmliche Computerprogramme versucht, diese Grenzen zu finden. Aber in diesem Papier berichten die Autoren von einem neuen, revolutionären Ansatz: Sie haben eine künstliche Intelligenz namens AlphaEvolve gebeten, die Beweise selbst zu erfinden.

Hier ist die Geschichte, einfach erklärt:

1. Der Werkzeugkasten: Der „Gadget"-Erfinder

Um zu beweisen, dass ein Problem schwer ist, bauen Mathematiker oft kleine Bausteine, die sie „Gadgets" nennen. Stellen Sie sich diese Gadgets wie Lego-Steine vor. Ein Gadget ist ein kleines, fertiges Modell, das eine bestimmte Regel erzwingt. Wenn man viele dieser Steine zusammenbaut, entsteht ein riesiges, unlösbares Labyrinth.

Das Problem: Die besten Lego-Steine zu finden, ist wie die Suche nach der perfekten Nadel im Heuhaufen. Es gibt unendlich viele Möglichkeiten, wie man die Steine anordnen könnte. Menschen haben oft nur eine begrenzte Vorstellungskraft, und normale Computerprogramme werden bei so vielen Möglichkeiten verrückt.

Was AlphaEvolve tat:
Statt nur ein Ergebnis zu berechnen, hat AlphaEvolve wie ein kreativer Architekt agiert.

  • Der Prozess: Die KI hat Tausende von Entwürfen für diese Lego-Steine (Gadgets) entworfen.
  • Der Test: Ein Prüfer hat jeden Entwurf getestet: „Funktioniert dieser Stein? Macht er das Labyrinth wirklich schwerer?"
  • Die Evolution: Wenn ein Entwurf nicht perfekt war, hat die KI ihn nicht einfach verworfen, sondern ihn „mutiert" – sie hat ihn ein bisschen verändert, verbessert und wieder getestet. Wie in der Natur, wo sich Arten über Generationen hinweg anpassen, hat sich die KI über Millionen von Versuchen hinweg zu einem Meister-Architekten entwickelt.

2. Die drei großen Siege

Die KI hat in drei verschiedenen Bereichen Durchbrüche erzielt, die bisher als unmöglich galten:

A. Das Chaos-Problem (Zufällige Graphen)

Stellen Sie sich eine Party vor, bei der jeder Gast genau 3 oder 4 andere Gäste kennt. Die Frage ist: Kann man die Gäste in zwei Gruppen teilen, sodass die meisten Paare in verschiedenen Gruppen sind?

  • Das alte Wissen: Man wusste, dass es schwierig ist, eine obere Grenze zu finden, die garantiert, dass man nicht zu viele Paare trennen kann.
  • Der KI-Erfolg: AlphaEvolve hat riesige, fast perfekte „Ramanujan-Graphen" (eine Art mathematisches Muster) konstruiert, die zeigen, dass die Grenze noch strenger ist als gedacht. Es hat Beweise gefunden, die so präzise sind, dass sie nur noch einen winzigen Fehler in der dritten Dezimalstelle haben.
  • Die Metapher: Es ist, als hätte die KI ein neues, noch genaueres Lineal erfunden, um die Party zu vermessen, und hat gezeigt, dass der Raum noch enger ist als alle dachten.

B. Das Farben-Problem (MAX-k-CUT)

Hier geht es darum, ein Netz aus Punkten so zu färben (z. B. mit 3 oder 4 Farben), dass so viele Verbindungen wie möglich zwischen unterschiedlichen Farben liegen.

  • Das alte Wissen: Es gab eine Grenze, wie gut man sich annähern konnte. Bisher war das beste Ergebnis, dass man sich auf etwa 98,8 % der perfekten Lösung beschränken musste.
  • Der KI-Erfolg: AlphaEvolve hat neue, sehr komplexe Lego-Steine gefunden, die zeigen, dass man sich gar nicht so gut annähern kann wie gedacht. Die Grenze wurde gesenkt (z. B. auf 98,7 %).
  • Die Metapher: Stellen Sie sich vor, Sie versuchen, einen Kuchen zu backen, der 98,8 % perfekt schmeckt. Die KI hat einen neuen Beweis gefunden, der zeigt: „Nein, du kannst ihn gar nicht besser als 98,7 % machen, egal wie sehr du versuchst."

C. Der Handelsreisende (TSP)

Der Klassiker: Ein Reisender muss viele Städte besuchen und den kürzesten Weg finden.

  • Das alte Wissen: Der beste bekannte Beweis sagte, dass man den Weg nicht besser als mit einem Faktor von 117/116 (ca. 1,0086) approximieren kann.
  • Der KI-Erfolg: AlphaEvolve hat einen neuen, cleveren Lego-Stein (ein „Equation Gadget") gefunden, der die Grenze auf 111/110 (ca. 1,009) verschärft.
  • Die Metapher: Die KI hat einen neuen Trick gefunden, um zu beweisen, dass der Reisende noch mehr Umwege machen muss, als man bisher glaubte.

3. Das größte Hindernis: Der „Prüfer" war zu langsam

Ein großes Problem bei dieser Methode war die Geschwindigkeit. Um zu prüfen, ob ein von der KI entworfener Lego-Stein funktioniert, musste man oft Milliarden von Kombinationen durchrechnen. Das dauerte Stunden oder Tage – viel zu lange für eine KI, die schnell lernen muss.

Die geniale Lösung:
Die Autoren haben AlphaEvolve nicht nur gebeten, die Lego-Steine zu bauen, sondern auch den Prüfer selbst zu verbessern.

  • Die KI hat den Code für den Prüfer so optimiert, dass er 10.000-mal schneller wurde.
  • Die Metapher: Stellen Sie sich vor, Sie suchen nach dem besten Rezept für einen Kuchen. Normalerweise dauert es eine Stunde, den Kuchen zu backen und zu probieren. AlphaEvolve hat nicht nur neue Rezepte erfunden, sondern auch einen neuen Ofen gebaut, der den Kuchen in einer Sekunde backt. So konnte es Millionen von Rezepten in kürzester Zeit testen.

Fazit: Was bedeutet das für uns?

Dieses Papier ist ein Meilenstein, weil es zeigt, dass KI nicht nur Dinge rechnen kann, sondern auch mathematische Beweise erfinden kann, die für Menschen zu komplex oder zu langweilig sind.

  • Menschen haben die Regeln aufgestellt und die KI trainiert.
  • Die KI hat dann in einem riesigen Raum der Möglichkeiten nach den besten Lösungen gesucht, die niemand sonst gefunden hätte.
  • Das Ergebnis: Wir haben nun genauere Antworten auf fundamentale Fragen der Informatik.

Es ist, als hätte ein Mensch einen Kompass gebaut und eine KI losgeschickt, um das Land zu kartieren. Die KI hat dabei nicht nur bekannte Wege bestätigt, sondern völlig neue Pfade entdeckt, die zeigen, wie die Welt wirklich funktioniert. Die Autoren hoffen, dass dies der Anfang einer neuen Ära ist, in der KI und Menschen gemeinsam die Grenzen des Wissens verschieben.