谷歌DeepMind与布朗大学、纽约大学、斯坦福大学等机构的数学家和地球物理学家合作，利用人工智能技术在流体力学领域取得突破性进展，发现了百年来未解难题的新解。研究团队首次系统性地揭示了三类复杂流体方程中一系列不稳定的“奇点”（singularity）——即速度或压力趋于无穷的极端现象，这些奇点长期被认为是理解流体行为极限的关键。 在经典流体动力学方程中，奇点的存在与否直接关系到“纳维-斯托克斯方程”是否具备全局解，而这正是数学界著名的千禧年大奖难题之一。尽管数学家普遍认为三维无边界纳维-斯托克斯方程中不存在稳定奇点，但此前尚未找到任何实际例证。此次研究通过创新的人工智能方法，首次在不可压缩多孔介质（IPM）和布辛涅斯克（Boussinesq）方程中系统发现了大量不稳定奇点。 研究团队将物理信息神经网络（PINNs）进行深度改造，融入数学先验知识，使其具备极高的精度与可解释性，从而成为一种强大的科学发现工具。分析结果显示，随着奇点不稳定程度增加，其演化速度参数λ（lambda）与不稳定性阶数之间呈现出清晰的线性关系。这一模式在IPM和Boussinesq方程中均被观察到，暗示可能存在更多尚未发现的奇异解，其λ值沿同一条理论曲线分布。 研究还通过三维可视化与二维涡量场分析，展示了这些奇异解的动态演化过程，揭示了从简单到复杂、从低不稳定到高不稳定的连续转变路径。这一发现不仅为理解流体中极端行为提供了新视角，也为数学、物理和工程领域中长期存在的难题提供了全新解决思路。 该成果标志着AI正从辅助工具转变为科学发现的核心驱动力。研究第一作者、纽约大学博士后王永吉表示，通过融合数学洞察与高精度AI，PINNs已从求解工具转变为探索未知的发现引擎。这项工作为未来跨学科研究开辟了新路径，也进一步推动了AI在基础科学中的深度应用。