# AlphaProof Nexus, da DeepMind, resolve dezenas de problemas matemáticos

> O sistema de IA provou 44 conjecturas, resolveu nove problemas de Erdős e teve seu trabalho publicado na revista Science após revisão por pares.

Oossa · 2026-10-12 · https://oossa.com/pt/deepmind-s-alphaproof-nexus-solves-dozens-of-open-math-problems

A DeepMind anunciou que sua nova IA, AlphaProof Nexus, produziu demonstrações formais para uma série de questões matemáticas que permaneciam em aberto. Os resultados foram publicados em um artigo revisado por pares na revista Science. O sistema usa o Gemini 3.1 Pro para escrever demonstrações na linguagem formal Lean e verifica automaticamente cada etapa.

## O que o AlphaProof Nexus conseguiu

O artigo informa que o AlphaProof Nexus resolveu nove dos 353 problemas de Erdős que ainda constam como abertos, incluindo dois que permaneciam sem solução havia 56 anos. Também provou 44 conjecturas do banco de dados de sequências inteiras OEIS, solucionou uma questão em aberto de geometria algébrica e aprimorou um limite conhecido em otimização min-max — método usado no treinamento de alguns modelos de IA.

## Como o sistema funciona

O AlphaProof Nexus é baseado no Gemini 3.1 Pro, que elabora demonstrações em Lean e recebe retorno imediato do verificador da linguagem. Quando uma tentativa falha, o Lean retorna uma mensagem de erro que orienta a próxima. Para subproblemas especialmente difíceis, o sistema pode acionar uma ferramenta especializada chamada AlphaProof. A equipe divulgou as nove soluções para problemas de Erdős na internet antes da publicação do artigo.

## Os fatos

- O AlphaProof Nexus resolveu nove dos 353 problemas de Erdős ainda em aberto, incluindo dois que permaneciam sem solução havia 56 anos.
- O sistema provou 44 conjecturas do banco de dados de sequências inteiras OEIS.
- Ele solucionou uma questão em aberto de geometria algébrica e aprimorou um limite em otimização min-max.
- O AlphaProof Nexus é baseado no Gemini 3.1 Pro, que escreve e revisa demonstrações na linguagem formal Lean.
- O trabalho foi publicado na revista Science, após revisão por pares.

## Por que importa

Para os matemáticos, a IA oferece uma nova maneira de explorar problemas difíceis e verificar demonstrações automaticamente, o que pode acelerar a pesquisa. Para quem usa ferramentas de IA, o aprimoramento em otimização min-max pode levar a um treinamento mais eficiente de modelos futuros. A publicação revisada por pares mostra que a comunidade científica está levando a sério as demonstrações geradas por IA, embora ainda seja necessária uma validação mais ampla.

## Fontes e referências

1. [Google Deepmind's AlphaProof Nexus solved dozens of open math problems and actually got peer reviewed](https://the-decoder.com/google-deepminds-alphaproof-nexus-solved-dozens-of-open-math-problems-and-actually-got-peer-reviewed/) – The Decoder, 2026-10-12

Última atualização: 2026-10-12