几个世纪以来，描述液体和气体运动的复杂数学——从空气在飞机机翼上流动到海洋的湍流——一直让世界上最聪明的头脑感到困惑。这些原理由一组臭名昭著的难解偏微分方程（或 PDE）所支配，称为纳维-斯托克斯方程，它们仍然是数学中七个未解决的“千年奖问题”之一。

现在，谷歌的人工智能实验室 DeepMind 的研究人员展示了一种新方法，正在产生新的见解。

通过在复杂的流体流动模拟上训练一种称为图神经网络的人工智能，该系统能够发现这些百年难题的“令人惊讶的新解决方案”。根据 DeepMind 团队的说法，这一成就“标志着机器学习模型首次被用于发现著名 PDE 的新且可验证的解决方案”。

这不仅仅是学术好奇心的问题。专家表示，对流体动力学的更深入理解具有深远的现实意义，影响从空气动力学和天气预测到海军工程和天体物理学的方方面面。

更准确地建模和预测流体行为的能力可能导致设计出更节能的飞机和汽车，开发出更准确的气候和天气模型，以及在众多科学和工业领域的新创新。

挑战的核心是被称为“奇点”或“爆炸”的现象，这是一种理论情况，其中速度或压力等量可能变为无限。尽管看似抽象，这些场景帮助科学家理解方程的基本极限。谷歌表示，DeepMind 的人工智能在识别数据中的模式方面表现出色，从而发现了这一数学爆炸的新家族。

该人工智能的发现被描述为“不仅仅是科学好奇心”，并且“已被数学证明是正确的”。如果属实，这标志着人工智能在基础科学应用方面的重大进展。人工智能不仅仅是比超级计算机更快地处理数字，而是作为一个创造性的合作伙伴，识别出微妙的模式，引导人类数学家走向可验证的发现。

这一过程涉及训练人工智能识别流体模拟中人类观察者可能错过的连接和行为。根据研究的第一作者、纽约大学的博士后研究员王永基的说法，“通过嵌入数学见解并实现极高的精度，我们将 PINNs [物理信息神经网络] 转变为一种发现工具，找到难以捉摸的奇点。”

这种合作方法——人工智能提供见解和方向，然后由人类专家严格证明——被誉为科学研究的潜在新范式。它暗示了一个未来，人工智能系统与科学家并肩工作，解决迄今为止无法解决的数学、物理和工程领域的长期挑战。

尽管纳维-斯托克斯方程的完整解决方案仍然是一个巨大的挑战，但这一突破表明，人工智能可能是最终破解它的关键工具。

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。