数学家用AI发现流体方程隐藏的缺陷

摘要

文章报道了一项突破性研究：数学家团队利用物理信息神经网络，在简化流体方程中首次发现了潜在的不稳定奇点。这些奇点如同大海捞针般难以寻找，只能在极其精确的条件下形成，任何微小扰动都会使其消失。该方法的成功为寻找纳维-斯托克斯方程中的奇点提供了新思路，有望推动这个百万美元难题的解决。

内容框架与概述

纳维-斯托克斯方程描述了近两百年来的流体运动规律，但数学家怀疑方程中隐藏着缺陷：在某些情况下，流体会出现奇点，某些量变得无限大。找到这种奇点或证明其不存在，将获得百万美元奖金。然而在更现实的流体理论中，奇点很可能是不稳定的，只能在难以想象的精确条件下形成。

传统方法通过计算机模拟寻找奇点，但几乎找到的都是稳定奇点。对于不稳定奇点，计算机的数值误差就像微风一样会阻止其形成。2022年Hou和Chen首次证明了稳定奇点的存在，但寻找不稳定奇点仍是巨大挑战。

Buckmaster和Lai采用物理信息神经网络的新方法。这种网络不是从外部数据学习，而是通过调整自身参数来逼近偏微分方程的解。他们避免了直接模拟无穷大的问题，转而寻找有限时间的自相似解，即流体在不同时刻看起来完全相同但大小不同。这种方法在简化方程中成功发现了潜在不稳定奇点，首次在多维流体方程中实现突破。

这项研究的意义在于，不稳定奇点不再是发现的障碍。虽然团队尚未在纳维-斯托克斯方程中找到奇点，还需要严格证明这些候选者确实是奇点，但该方法在简单模型中的成功为更高风险场景带来了希望。Fefferman评价说，不稳定奇点的概念不再阻碍奇点的发现。

核心概念及解读

纳维-斯托克斯方程：描述流体运动的基本偏微分方程组，解释了从洋流到机翼周围气流等各种流体现象，是流体力学的基础理论。

奇点/奇异点：流体方程中某些量变得无限大的情况，数学上也称为爆破。在这种情况下，方程预测的流体运动变得不符合物理现实，难以理解。

稳定奇点：可以通过多种方式形成的奇点，对初始条件的微小变化不敏感。这类奇点相对容易通过计算机模拟发现。

不稳定奇点：只能在极其精确的特定条件下形成的奇点，任何微小扰动都会阻止其产生。这类奇点如同大海捞针，传统计算机方法几乎无法找到。

物理信息神经网络：一种特殊类型的神经网络，不依赖外部数据学习，而是通过调整自身参数来逼近偏微分方程的解，能够处理传统数值方法难以应对的复杂问题。

原文信息

此摘要卡片由 AI 自动生成