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
