谷歌 DeepMind 立大功！AI 首捕流体方程奇点，破解百年数学难题

谷歌DeepMind与NYU、斯坦福四大顶尖机构，联合发布了一篇20页的重磅论文。

他们首次使用AI，在三种不同的流体方程中，发现了一系列新型不稳定「奇点」族，这代表着AI技术的又一重大突破。

由于它直指一个百年来未解的数学难题——纳维–斯托克斯方程的奇点问题，这也是克雷数学研究所于2000年设立的“千禧年大奖”六大难题之一，解决者将获得100万美元奖励。

但这不仅仅是钱的事，更是基础科学的里程碑。

「奇点」是数学物理学中的重大谜团，数学家们在描述「流体运动」时，常用纳维-斯托克斯方程来表明。

生活中，气流抬升飞机机翼，或是漩涡飓风形成，都属于这一范畴以内。

但某些极端场景之下，这些方程会出现「崩溃」，预测出不可能存在的无限值。

而如何去找到方程中「不稳定奇点」，就成了需要面临的一大挑战。

谷歌DeepMind团队采用了一种叫做物理信息神经网络（PINN）的新型AI模型。

不需要依靠海量数据聚焦学习，只需要把流体力学的方程直接编码到神经网络的损失函数中，最小化其输出与方程要求之间的差异。

结果，团队在分析候选解的过程中，发现当解变得越不稳定时，其关键属性之一会无限接近直线分布。

也就是说，当奇点越来越「不稳定」，其行为汇聚成线性分布，呈现出惊人的规律性。

这也意味着，这项流体力学百年难题，被谷歌AI找到了新解！

而关于奇点问题的探索，科学家们实际上经历了一个漫长的探索过程。

几个世纪以来，数学家们建立了各种复杂的方程，来描述流体动力学背后的基本物理原理。

他们希望精心构建出一些，理论与实践相悖的场景，来预测在物理层面绝无可能发生的情形。

在这些情形中，速度、压力等物理量会趋于无穷，被称之为「奇点」。

也只有搞清楚了「奇点」，才能看到流体动力学方程的根本局限，加速人类理解物理世界的运行方式。

1822年，法国数学家Henri Navier首次提出描述流体运动基础方程。23年后，爱尔兰数学家George Gabriel Stokes对其进一步完善。

而证明方程解总是「光滑的」，或在某些条件下产生「奇点」也成了数学家们一直未能解决的难题。谷歌DeepMind此次的突破，或将率先拿下这一难题的奖杯。

而这一发现，不仅是一个物理事件的数学呈现，更是数学思维方式的一次革新。

DeepMind团队正是将数学家的直觉和洞察与AI训练过程相结合，才实现了这项突破。

它的意义不仅在于，为流体动力学注入了全新的解，更有助于数学家、物理学家、工程师攻克长期挑战。