谷歌 DeepMind AI 在流体动力学领域取得突破性进展

几个世纪以来，液体和气体运动的描述一直是科学界的难题。这些现象由一组复杂的偏微分方程（PDE）——称为纳维-斯托克斯方程——所支配，该方程也是数学界七大“千禧年大奖难题”之一。

近日，谷歌旗下的 DeepMind 研究团队展示了一种创新方法，通过训练一种名为“图神经网络”的人工智能模型，发现了这些百年难题的“令人惊讶的新解”。据 DeepMind 团队介绍，这是机器学习模型首次被用于发现著名偏微分方程的全新且可验证的解。

这项研究的意义不仅限于学术领域。专家指出，深入了解流体动力学将对现实世界产生深远影响，涵盖空气动力学、天气预报、船舶工程以及天体物理学等多个领域。

更精确地模拟和预测流体行为的能力，将有助于设计更省油的飞机和汽车、开发更准确的气候和天气模型，并推动众多科学与工业领域的创新。

这一研究的核心在于所谓的“奇点”或“爆炸”现象，即速度或压力等量可能变得无限的理论情况。虽然这些场景看似抽象，但它们能够帮助科学家理解纳维-斯托克斯方程的根本局限性。谷歌表示，DeepMind AI 成功识别了数据中的模式，揭示了一系列新的数学爆炸问题。

这些发现不仅满足了科学好奇心，还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研究中的应用迈出了重要一步。人工智能不再仅仅是比超级计算机更快地处理数字，它已成为科学家的创造性伙伴，帮助识别微妙模式并引导人类数学家获得可验证的成果。

研究的第一作者、纽约大学博士后研究员王永吉表示：“通过嵌入数学见解并实现极高的精度，我们将物理信息神经网络 (PINN) 转变为一种能够发现难以捉摸的奇点的工具。”

这种协作方法——人工智能提供洞见和方向，然后由人类专家进行严格验证——被誉为科学研究的潜在新范式。它预示着未来人工智能系统将与科学家携手合作，攻克数学、物理和工程领域中那些长期以来遥不可及的挑战。

尽管完全解开纳维-斯托克斯方程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该方程的关键工具。