几个世纪以来，描述液体和气体运动的复杂数学——从飞机机翼上飞过的空气到海洋的湍急水流——一直困扰着世界上最聪明的头脑。这些原理由一组众所周知的困难的偏微分方程（PDE）所支配，称为纳维-斯托克斯方程，是数学界七个尚未解决的“千禧年大奖难题”之一。
现在，谷歌人工智能实验室 DeepMind 的研究人员展示了一种新颖的方法这产生了新的见解。
通过在复杂的流体流动模拟中训练一种名为“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”。DeepMind 团队表示，这一成就“标志着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”。
这不仅仅是出于学术好奇心。专家表示，深入了解流体动力学将对现实世界产生深远的影响，影响从空气动力学、天气预报到船舶工程和天体物理学等各个领域。
更准确地模拟和预测流体行为的能力可以促进更省油的飞机和汽车的设计、更精确的气候和天气模型的开发以及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，即速度或压力等量可能变得无限的理论情况。这些场景看似抽象，却能帮助科学家理解这些方程式的根本局限性。谷歌表示，DeepMind AI 被证明擅长识别数据中的模式，从而发现了一系列新的数学爆炸问题。
人工智能的发现被描述为“不仅仅是出于科学好奇”，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迈出了重要一步。人工智能不仅仅是比超级计算机更快地处理数字，它还扮演着一个富有创造力的伙伴的角色，识别出微妙的模式，引导人类数学家获得可验证的发现。
该过程涉及训练AI识别流体模拟中人类观察者可能忽略的联系和行为。该研究的第一作者、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发现工具。”
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。
虽然完全解开纳维-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。
