Google DeepMind AI破解百年流体力学谜题，开启科学新纪元

几个世纪以来，描述液体和气体运动的复杂数学原理——从掠过机翼的气流到海洋的湍流——一直困扰着世界上最杰出的头脑。这些原理由一组极其复杂的偏微分方程（PDE）控制，即纳维-斯托克斯方程，该方程至今仍是数学界七大未解的“千禧年大奖难题”之一。

如今，谷歌人工智能实验室DeepMind的研究人员展示了一种新方法，为这一领域带来了全新见解。

通过对一种名为图神经网络的人工智能进行复杂流体模拟训练，该系统成功为这些百年难题发现了“令人惊讶的新解法”。DeepMind团队表示，这一成果“标志着机器学习模型首次被用于为著名偏微分方程发现可验证的新解法”。

<span data-mce-type=”bookmark” style=”display:inline-block;width:0px;overflow:hidden;line-height:0″ class=”mce_SELRES_start”></span>

这不仅是学术探索。专家指出，对流体动力学的深入理解具有深远的现实意义，影响范围涵盖空气动力学、气象预测、船舶工程乃至天体物理学。

更精确模拟和预测流体行为的能力，有望催生更节能的飞机与汽车设计、更精准的气候与气象模型，以及众多科学与工业领域的新突破。

挑战的核心在于被称为“奇点”或“爆破”的现象——即速度或压力等物理量在理论情境下可能趋于无限大。这些看似抽象的场景帮助科学家理解方程的根本极限。谷歌表示，DeepMind的人工智能擅长识别数据模式，从而发现了一类新的数学爆破现象。

人工智能的发现被描述为“不仅是科学奇观”，且“已被数学证明正确”。若属实，这标志着人工智能在基础科学应用领域迈出重要一步。它并非仅以超算速度处理数据，而是作为创造性伙伴，通过识别微妙模式引导数学家走向可验证的发现。

该过程通过训练人工智能识别流体模拟中人类可能忽略的关联与行为。论文第一作者、纽约大学博士后研究员王永吉表示：“通过嵌入数学洞察力并实现极致精度，我们将物理信息神经网络（PINNs）转化为发现工具，用以捕捉难以捉摸的奇点。”

这种人机协作模式——由人工智能提供洞察与方向，再由人类专家严格验证——被誉为科学研究的新范式。它预示着未来人工智能将与科学家并肩作战，攻克数学、物理和工程领域迄今难以逾越的长期挑战。

尽管完全解决纳维-斯托克斯方程仍是巨大挑战，但此次突破表明人工智能可能成为最终破解该难题的关键工具。

每日简报 新闻通讯

每日清晨获取头条新闻、原创专题、播客、视频等更多内容。 您的邮箱
立即订阅！
立即订阅！