Google DeepMind连同Brown University、New York University和Stanford University,于9月18日发布一项重大研究成果,首次运用人工智能系统,发现流体力学方程式中全新类型“不稳定奇点”(unstable singularities),解决了困扰科学家超过一世纪的数学难题。这项突破除了有望角逐Millennium Prize Problem的100万美元奖金,更有机会问鼎诺贝尔奖,同时打开“计算机辅助数学”的新时代。

研究团队利用物理数据神经网络(Physics-Informed Neural Networks, PINN)技术,在三种不同流体方程式中,发现多个全新的不稳定奇点家族,包括不可压缩多孔介质方程式(Incompressible Porous Media)和Boussinesq方程式。这些奇点是数学物理学中的重大谜团,在极端情况下,流体方程式会“崩溃”并预测出不可能的无限值,例如速度或压力变成无限大。

不稳定奇点需要极精确的初始条件才能形成,任何微小干扰都会立即使其解脱离爆炸轨迹。传统数值方法主要识别稳定奇点,但对于3D Euler方程式和Navier-Stokes方程式等重要开放问题,科学家相信只存在不稳定奇点,这正是Millennium Prize Problem七大未解难题之一。

DeepMind团队采用创新方法,结合机器学习架构与高精度Gauss-Newton优化器,达到前所未有的准确度。研究人员实现的精确度,相当于预测地球直径时仅有数厘米误差,对于特定解答甚至达到双浮点机器精度,只受GPU硬件舍入误差限制。

团队观察到一个清晰而意想不到的模式:当奇点变得越来越不稳定时,其关键属性会朝向线性分布无限趋近。这揭示了这些方程式中,先前未被发现的数学结构,显示有更多不稳定解存在。

这项发现将为多个领域带来重大突破。更深入理解流体动力学,可改善气象预报、海啸预测系统、汽车和飞机的空气动力学设计,使其更节能,以及血液流动研究等医学应用。该技术也可应用于太空物理学和海洋工程等领域。

DeepMind表示,这项突破代表数学研究的全新方式,结合深度数学洞察与尖端人工智能。第一作者、NYU博士后研究员王永吉表示:“通过嵌入数学洞察并实现极端精度,我们将PINN转变为发现工具,找到难以捉摸的奇点。”

这项研究标志着计算机辅助数学证明的重大进步,为解决长期存在的开放问题铺平道路。专家预测,有了人工智能协助,量子计算机的实用化进程,可能从原先预测的2035年大幅提前至2030年,缩短约5年时间。

DeepMind团队强调,这不仅是技术进步,更是数学研究范式的根本转变。人工智能不再只是解决方程式,而是发现能扩展人类知识前沿的新结构。

数据源:Google DeepMind