0.5！Caltech用物理AI攻克无强迫欧拉方程奇点|caltech|奇点|欧拉方程|流体|神经网络|算子

为什么三维流体方程里的奇点，人类算了三百年都没算出来，一个神经网络却找到了？

答案藏在一个数字里：0.5。这是Caltech团队用物理信息神经网络（PINN）跑出的缩放指数，与数学家Constantin等人多年前的理论预测稳稳吻合。理论数学的严密与物理AI的灵动，在这个数字上历史性地交汇。

一个三百年的幽灵问题

只要你喝过咖啡、看过天气预报，或者坐过飞机，你就处于欧拉方程和纳维-斯托克斯方程的统治之下。欧拉方程描述的是「理想流体」的运动规律——没有黏性、完全光滑。

三百多年来，数学家们一直被一个幽灵般的问题困扰：流体会「爆破」吗？所谓爆破，通俗说就是流体的速度、涡度在有限时间内，会不会像被按下快进键一样急剧增长到无限大？就像平静的水杯里，突然凭空生出一个转速无穷大的龙卷风。

证明或证伪三维流体方程的奇异性，是现代数学的「圣杯」。

有强迫和无强迫，差了一整个难度档

此前NYU团队和OpenAI试图攻克这个问题时，采用的是一种「人工多尺度构造」的路线。他们相当于为了证明炸弹能爆炸，手动给流体加上了「强迫项」——也就是外力搅拌，或者设计复杂的、人为规定的跳跃尺度结构。

「有强迫」和「无强迫」是关键分野：有强迫允许外加一个光滑外力来「推」出奇点，难度低一档；无强迫是纯靠初始数据自己演化出奇点，才是更硬的目标。

此前Chen–Hou在2025年PNAS上做出的是带边界的三维欧拉爆破，边界帮助把奇点困住，这类技术在自由空间里失效。但在数学家眼里，这终究不够「自然」。如果在没有任何外界干预的、广阔无垠的三维空间里，流体能自己演化出爆破吗？

在没有边界限制的自由空间里，此前没有任何人能构造出这样一个自然的「自相似爆破轮廓」。这里既没有解析闭式解的模板，也没有任何前人的文本可供大语言模型模仿。人类智力到达了直觉的盲区。

不靠人工写模板，让神经网络自己搜

Caltech的Anima Anandkumar团队没有盲从大语言模型的热潮，而是将目光投向了能真正理解物理定律的AI——物理信息神经网络（PINN）。

然而PINN也不是万能药。此前全球有不少学者尝试用PINN解决三维无强迫欧拉方程，全部折戟沉沙。为什么？因为神经网络太容易「偷懒」了。在优化过程中，网络一遇到困难，就会坍缩到一个平凡解——比如全空间流速等于0，这当然满足方程，但毫无意义。

为了让PINN乖乖干活并找到那个隐藏在幽暗深处的奇点，Caltech团队打出了一套组合拳：

以往研究往往假设爆破点是静止的轴对称形态，优化极难。团队给了PINN更多自由度——让奇点沿着z轴以行波形式移动，并彻底放宽了传统的奇偶性约束，瞬间让原本崎岖的优化地形变得平缓可控。
普通Adam优化器在高精度科学计算面前如同钝刀割肉。团队使用自研的高效二阶优化器SS-eSOAP，仅比Adam增加一丁点算力成本，却带来收敛速度和精度的质的飞跃。最后冲刺阶段换上SS-Broyden优化器极限打磨。
配合自适应损失权重、FP64双精度浮点运算等技术，团队没有像OpenAI那样燃烧海量算力，而是靠算法的极度优美，首次在无强迫三维欧拉方程上成功跑通了奇点候选解。

最令人起鸡皮疙瘩的是，AI算出来的结果，与数学大牛的理论预测完美吻合。数学家Constantin等人曾从理论上预测，在自相似拟设下，欧拉方程的缩放指数存在一个数学上的「天选之子」——0.5。

Caltech团队做了一个大胆测试：把缩放指数当作完全自由的参数，让PINN自己去寻找。结果，PINN的优化结果稳稳收敛到了大约0.5的位置。不仅如此，当他们故意在模型中加大对流项权重时，指数依然顽强地向0.5靠拢。团队确信：他们挖到真金了。

不是取代人类，而是补齐人类短板

Anima Anandkumar教授在陶哲轩的博客中留下了一段总结：「当今的LLM是基于人类文本训练的，目标是做好人类已经擅长的事情，甚至其终极目标是与人类竞争或取代人类的努力。但是，我们的工作聚焦于构建能够补充人类能力的AI。」

这正是AI for Science正在步入的「混合智能」新范式。在过去几年里，Anima团队一直在用「神经算子」颠覆各个科学领域：