أعلنت شركة Google DeepMind عن اكتشاف جديد في مجال الديناميكا السائلة، حيث استخدمت تقنيات الذكاء الاصطناعي للكشف عن حلول جديدة لمشكلات رياضية قديمة تعود إلى قرن من الزمان. وتمت هذه المبادرة بالتعاون مع خبراء من جامعات براون، نيويورك، وستانفورد، في دراسة نُشرت حديثًا وتمتاز بقدرتها على تحويل الشبكات العصبية المُدرَّبة بطرق مُخصصة (PINNs) إلى أدوات اكتشاف علمي دقيقة. تُعد المعادلات التي تصف حركة السوائل من أكثر المعادلات تعقيدًا في الفيزياء، وتُستخدم لفهم ظواهر متنوعة مثل الإعصار أو تدفق الهواء حول جناح الطائرة. لكن في بعض الحالات النظريّة، تصبح كميات مثل السرعة أو الضغط غير محدودة، ما يُعرف بـ"الانفجارات" أو "النهايات المتفرعة" (singularities). هذه الظواهر تُعتبر مؤشرات على حدود نماذج المعادلات، وتساعد العلماء على تحسين فهمهم للعالم المادي. في هذه الدراسة، تم اكتشاف عائلة جديدة من "الانفجارات غير المستقرة" في ثلاث معادلات أساسية للديناميكا السائلة، بما في ذلك معادلات بوسينسق وسائل المسام غير القابلة للانضغاط. ويُعتبر الاستقرار عاملًا حاسمًا: فالانفجارات المستقرة تظل موجودة حتى عند تغيير شروط بسيطة، بينما تُعد غير المستقرة حساسة جدًا للظروف الابتدائية. ووفقًا للنظريات الحالية، لا توجد انفجارات مستقرة في المعادلات ثلاثية الأبعاد بدون حدود مثل معادلات نافير-ستوكس وEuler، وهي واحدة من مسائل الألفية الست التي لا تزال غير محلولة. باستخدام منهجية مبتكرة تعتمد على الذكاء الاصطناعي، نجح الباحثون في اكتشاف تسلسل متزايد من هذه الانفجارات غير المستقرة، ولاحظوا نمطًا رياضيًا مثيرًا في البيانات: عندما تزداد درجة عدم الاستقرار (عدد الطرق المختلفة التي يمكن أن تنحرف بها الحلول عن الانفجار)، فإن المعلمة التي تمثل سرعة الانفجار (λ) تتبع علاقة خطية واضحة في معادلتي IPM وBoussinesq. هذا يوحي بوجود حلول غير مستقرة إضافية، قد تُظهر قيم λ تقع على نفس الخط، ما يفتح آفاقًا جديدة للبحث. كما تم توليد تمثيلات بصرية ثلاثية وثنائية الأبعاد للدوران (vorticity) في الحلول، مع عرض قطع مقطعية أحادية البعد تُظهر كيف تتغير هذه الحلول مع زيادة عدم الاستقرار. ويعتبر هذا التقدم نقلة نوعية، حيث تم تعزيز دقة الشبكات العصبية المُدرَّبة بالمعادلات (PINNs) بدمج رؤى رياضية عميقة، مما حوّلها من أدوات حسابية إلى أدوات اكتشاف علمي فعالة. يُعد هذا العمل مثالًا ناجحًا على كيف يمكن للذكاء الاصطناعي أن يُسهم في حل تحديات رياضية وعلمية عميقة، ويُعزز التعاون بين الذكاء الاصطناعي والرياضيات والفيزياء التطبيقية. وقد ساهم في هذه الدراسة باحثون من مختلف المؤسسات، بقيادة يونغجي وانغ من جامعة نيويورك، وساهمت أبحاثهم في فتح آفاق جديدة لفهم الديناميكا السائلة وتحليل سلوك المعادلات في الحدود القصوى.