Adapting AlphaEvolve to Optimize Fully Homomorphic Encryption on TPUs
本文提出了 AlphaEvolve，这是一个由大语言模型驱动的进化搜索系统，能够自动化地协同优化面向 Google TPU 的全同态加密内核，在 TFHE 和 CKKS 方案上均实现了相较于最先进的人工实现显著的延迟改进。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你拥有一辆极其强大、高速的赛车（TPU，由谷歌制造的一种专用计算机芯片）。同时，你还拥有一份极其复杂、保密的蛋糕食谱，这份食谱必须在食材仍锁在保险箱中时进行烘焙（这就是全同态加密，或称FHE，它允许计算机在不查看数据本身的情况下对秘密数据进行数学运算）。
问题出在哪里？食谱过于复杂，指令又过于僵化，以至于当你试图在赛车上烘焙时，赛车 90% 的时间都花在等待食材移动上。这就像试图驾驶一辆一级方程式赛车穿过每个街区都有停车标志的社区。赛车很快，但交通（软件指令）很慢。
通常，人类工程师会尝试通过手动重写指令、尝试不同的食材移动方式，并观察赛车是否更快来解决这个问题。这是一个缓慢的“试错”过程，而且由于指令被层层复杂的软件所隐藏，他们往往错过了最佳的驾驶方式。
AlphaEvolve 登场：AI 赛车调校师
这篇论文介绍了一种名为AlphaEvolve的新工具。你可以把它想象成一位 AI 赛车调校师，它不仅仅微调引擎，而是重写整个驾驶手册，使其与特定赛道完美匹配。
以下是它的工作原理，使用简单的类比：
1. “进化式”车库
与其让一位人类工程师进行猜测，AlphaEvolve 更像是一群成千上万微小、不知疲倦的机械师。
- 过程：它从一个好的食谱（原始代码）开始。然后，它生成该食谱的数百个略微不同的版本。
- 试驾：它在实际的赛车（TPU 硬件）上运行每个版本。
- 评分：它精确测量烘焙蛋糕所需的时间。
- 选择：如果某个版本更慢或导致蛋糕失败（数学测试未通过），它就会被扔进垃圾桶。如果它更快，则会被保留。
- 进化：AI 将“获胜”的版本混合在一起，创造出新的、甚至更好的版本。它像自然选择一样，一遍又一遍地重复这个循环，直到找到烘焙蛋糕的绝对最快方式。
2. 安全守卫（对秘密至关重要）
由于这涉及秘密数据，AI 不能“幻觉”或编造可能意外泄露秘密的新规则。
- 看门人：在任何新食谱被允许在真正的赛车上运行之前，一位严格的“看门人”会进行检查。它会问：“这个食谱是否仍产生与原始食谱完全相同的蛋糕？秘密是否仍然安全？”
- 如果 AI 试图作弊或以破坏安全的方式改变数学运算，看门人会立即拒绝它。这确保 AI 只寻找速度，而不寻找安全漏洞。
3. AI 发现了什么？
在仅运行此过程24 小时后，AI 发现了人类专家所遗漏的解决方案。以下是它获得的“顿悟”时刻：
- “批处理”技巧（循环展开）：想象一个工人必须搬起一个沉重的箱子，走到烤箱前，把它放进去，走回来，再拿另一个箱子，如此重复。AI 意识到：“为什么要来回走动？让我们一次搬 8 个箱子，一次性全部运过去。”通过重新组织数据抓取方式，它节省了海量时间。
- “无变化”技巧（移除类型转换）：有时，原始食谱会说：“取这个食材，将其标签从‘克’改为‘盎司’，然后在烹饪前再改回‘克’。”AI 意识到这是浪费时间。食材的大小已经合适；标签更改是多余的。通过删除这个无意义的步骤，过程变得快得多。
- “完美契合”技巧（分块）：赛车有特定尺寸的架子（内存寄存器）。原始食谱试图将一条巨大的面包塞进一个小架子上，导致一片混乱。AI 想出了如何将面包切成完美的小块，使其恰好能放入架子，从而使赛车能够充分利用其全部功率，而不会浪费空间。
结果
通过让 AI 自动进行“试错”：
- TFHE（“秘密数学”蛋糕）：烘焙时间缩短了2.5 倍。
- CKKS（“数据分析”蛋糕）：烘焙时间缩短了1.3 倍。
大局观
论文总结道，虽然人类擅长设计原始的保密食谱，但在找出驾驶赛车最高效的方式方面往往过于缓慢。通过使用能够在一天内测试数千种变体、同时严格检查秘密是否保持安全的 AI，我们可以为隐私技术解锁现代计算机芯片的全部速度。
简而言之：AI 并没有发明一种新的烘焙蛋糕的方法；它只是找到了一种将食材运送到烤箱的更快方法。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。