DeepMind 利用 AI 方法发现流体动力学新奇异解

DeepMind 与布朗大学、纽约大学和斯坦福大学等机构的数学家和地球物理学家合作，在 arXiv 上发布了一篇新论文，介绍了一种利用 AI 技术解决数学、物理和工程中长期挑战的方法。该方法专注于流体动力学中的奇异解问题，即当速度或压力等量变为无限时的情况，这些奇异解有助于识别流体动力学方程的基本限制。

在研究中，DeepMind 首次系统性地发现了三种不同流体方程中的新不稳定奇异解家族，包括不可压缩多孔介质方程和 Boussinesq 方程。研究还观察到，随着解变得越来越不稳定，表征奇异解速度的参数 lambda (λ) 与不稳定性阶数之间出现了清晰的模式，这表明可能存在更多的不稳定解。

DeepMind 通过结合机器学习技术，如使用二阶优化器训练神经网络，实现了前所未有的精度水平。例如，研究中最大的误差相当于预测地球直径在几厘米内。研究还提供了涡度场的可视化示例，展示了流体在每个点的旋转程度。