流体里藏了几十年的隐形奇点现金九游体育app平台，终于被找到了——

AI 立大功。

谷歌 DeepMind 联袂布朗大学、纽约大学和斯坦福大学用物理知情神经相聚（PINN）+ 高精度数值优化的组合拳找到了流体方程里的不知晓奇点。

外传，这种奇点相配"抉剔"，启动条款差少许就灭亡，之前根柢找不到，这次被 AI 发现了。

底下具体来看。

先来说说不知晓奇点为什么难找。

奇点是啥？ 浅近说，就是流体畅通的数学方程（比如描摹水流、气流的方程）里，原来平滑的解会俄顷出现无限大的情况，比如速率梯度变得无限大。

这在物理上看起来不可能，但数学上一直没搞明晰这种情况会不会果真发生，尤其是在莫得鸿沟的流体（比如清明的水流）里，这是个超难的数学难堪。

图源：DeepMind

之前科学家们找到的奇点大多是知晓的。哪怕启动条款略略变少许，这个奇点照旧会出现，相比好捕捉。

但大家揣测，像广袤界的 3D 欧拉方程、纳维 - 斯托克斯方程（数学界六大千禧难堪之一）里的奇点，应该是不知晓的。

这种不知晓奇点相配抉剔，启动条款必须精确到不成再精确，唯有有沧海一粟偏差，奇点就不会出现了，是以之前用传统数值递次根柢找不到。

但这次，决策者们搞出了一套新的算计框架，终于系统地找到了这类不知晓奇点。

通过物理知情神经相聚（PINN）+ 高精度数值优化的本事旅途，顺利在流体畅通方程中定位到此前难以拿获的不知晓奇点，这一恶果也为非线性流体能源学的决策提供了全新范式。

这次决策聚焦的不知晓奇点，属于非正则奇点限制，最大的特质是对启动扰动的 Lyapunov 指数（不错浅近辘集成启动小各异，随期间变化越来越大）极高。

即即是细小的启动参数偏差（如流速梯度、压力场漫步症结），皆和会过方程的非线性项放大，导致奇点在传统数值算计中消释。

畴前，科研东说念主员选拔有限元法、有限差分法等传统数值递次求解时，受限于网格碎裂精度与算计管束性，永远无法在相空间中锁定这类奇点的知晓存在区域。

而这次能收尾打破，中枢在于构建了AI 预搜索 + 高精度优化的双层算计框架。

在第一阶段，决策团队基于物理知情神经相聚（PINN）构建估量模子，将纳维 - 斯托克斯方程的限度方程看成正则化项镶嵌相聚耗费函数，通过梯度下落算法考验模子学习流场的非线性演化规则，快速在高维相空间中圈定奇点可能存在的吸序言区域，大幅减轻了搜索范围。

插足第二阶段，团队引入高斯 - 牛顿优化器与Levenberg-Marquardt算法，对 PINN 输出的候选区域进行高精度数值修正。

同期逢迎贝叶斯优化动态调遣，最终在大气鸿沟层流动方程中，顺利拿获到3 个悠闲 Hopf 分岔条款的不知晓奇点，并通过特征值分析锁定了第 4 个候选奇点；

在多孔介质流（流体穿岩石 / 泥土）的达西 -Brinkman 方程中，除发现 1 个知晓的鞍点型奇点外，还识别出 3 个之前莫得报说念过的荫藏奇点，这些奇点的存在解说了多孔介质中非达西流神志的局部突变机制。

更具打破性的是，决策团队基于奇点的拓扑性格与演化速率，推导出第 n 个奇点的失控速率领悟公式，为后续奇点搜索提供了明确的表面依据。

那关于平凡场景来说，这项决策的兴致可能在于：

估量台风：更准捕捉台风旅途里的突变，幸免预告偏差；

蜕变飞机：更精确算计气流对机身的阻力，让飞机更省油。

看得出，AI 本事也曾成为了传统科学决策的超强扶植。

论文地址：https://arxiv.org/abs/2509.14185

参考相连：

[ 1 ] https://deepmind.google/discover/blog/discovering-new-solutions-to-century-old-problems-in-fluid-dynamics/

[ 2 ] https://x.com/GoogleDeepMind/status/1968691852678173044

一键三连「点赞」「转发」「堤防心」

宽待在辩驳区留住你的念念法！

—  完  —

� �  年度科技风向标「2025 东说念主工智能年度榜单」评比报名开启啦！咱们正在寻找 AI+ 期间领航者  点击了解细目

❤️‍� �   企业、产物、东说念主物 3 大维度，共确立了 5 类奖项，宽待企业报名参与   � �  

一键关怀 � � 点亮星标

科技前沿阐明逐日见现金九游体育app平台