هوش مصنوعی DeepMind گوگل موفق شد راه‌حل‌های تازه‌ای برای معادلات پیچیده صدساله دینامیک سیالات Navier-Stokes کشف کند.
به گزارش تکناک، این معادلات، دانشمندان و ریاضیدانان برجسته جهان را به چالش کشیده بودند و به عنوان یکی از هفت «مسائل جایزه هزاره» شناخته می‌شدند.
معادلات Navier-Stokes توصیف‌کننده رفتار و حرکت مایعات و گازها، از جریان هوا روی بال یک هواپیما گرفته تا امواج پرآشوب اقیانوس هستند. با وجود کاربرد گسترده، حل دقیق آنها به دلیل پیچیدگی بسیار بالا همواره یکی از دشوارترین مسائل علمی بوده است. اکنون تیم DeepMind با استفاده از روش Physics-Informed Neural Networks یا همان PINNs موفق شد راه‌حل‌های جدیدی برای این معادلات ارائه دهد و حتی خانواده‌ای تازه از تکینگی‌ها یا Blow-upها را شناسایی کند. این یافته‌ها بعداً به شکل ریاضی اثبات شد و اعتبار علمی آنها مورد تأیید قرار گرفت.
این پیشرفت، فراتر از یک کشف تئوریک، پیامدهای عملی گسترده‌ای به همراه دارد. متخصصان معتقد هستند که درک عمیق‌تر از دینامیک سیالات می‌تواند باعث طراحی وسایل نقلیه کم‌مصرف‌تر شود، دقت مدل‌های پیش‌بینی آب‌وهوا و اقلیم را بهبود بخشد و نوآوری‌های جدیدی در حوزه‌هایی مانند: آیرودینامیک، مهندسی دریایی و حتی اخترفیزیک رقم بزند.
به گفته پژوهشگران هوش مصنوعی DeepMind گوگل، این نخستین بار است که یک مدل یادگیری ماشین موفق شده است راه‌حل‌های تازه و قابل اعتماد برای یک معادله دیفرانسیل جزئی مشهور (PDE) کشف کند. تیم تحقیقاتی برای دستیابی به این دستاورد، یک Graph Neural Network را بر اساس شبیه‌سازی‌های پیچیده جریان سیال آموزش داد. این سیستم توانست الگوهای ظریف و پنهانی را شناسایی کند که از دید ناظران انسانی دور می‌ماند.
یونگجی وانگ، نویسنده اصلی مقاله و پژوهشگر پسادکترا در دانشگاه NYU درباره این موفقیت گفت: «ما با جای دادن بینش‌های ریاضی در شبکه‌ها و دستیابی به دقتی بی‌سابقه، PINNs را به ابزاری برای کشف تبدیل کردیم، که توانایی یافتن تکینگی‌های گریزان را دارد.»
وی تأکید کرد که نقش هوش مصنوعی در این پروژه صرفاً سرعت بخشیدن به محاسبات نبود، بلکه مثل یک شریک خلاق عمل کرد و دانشمندان انسانی را به سمت کشفی قابل اثبات هدایت نمود.
پدیده تکینگی‌ها یا همان نقاطی که به مقادیری مانند سرعت یا فشار بی‌نهایت می‌رسند، در مرکز معادلات Navier-Stokes قرار دارند. هرچند این مفاهیم در نگاه نخست انتزاعی به نظر می‌رسند، اما نقشی کلیدی در تعیین حدود بنیادی معادلات ایفا می‌کنند. توانایی هوش مصنوعی DeepMind گوگل در کشف خانواده تازه‌ای از این تکینگی‌ها، نه‌تنها یک دستاورد ریاضی است، بلکه می‌تواند مسیر پژوهش را در شاخه‌های متعددی از علم تغییر دهد.
این رویکرد جدید، یعنی همکاری میان هوش مصنوعی و متخصصان انسانی، به عنوان یک الگوی نوین در پژوهش‌های علمی مطرح شده است. در این روش، هوش مصنوعی بینش‌ها و مسیرهای احتمالی را پیشنهاد می‌دهد و دانشمندان انسانی با روش‌های کلاسیک و ریاضی دقیق، آنها را اثبات می‌کنند. بسیاری از کارشناسان بر این باور هستند که چنین الگویی می‌تواند در آینده به حل مسائل دیرپای ریاضیات، فیزیک و مهندسی کمک کند و مرزهای دانش بشری را جابه‌جا سازد.
هرچند حل کامل معادلات Navier-Stokes همچنان یکی از بزرگ‌ترین چالش‌های علمی باقی مانده است، اما این موفقیت نشان می‌دهد که هوش مصنوعی می‌تواند ابزاری کلیدی در پیشبرد علم باشد. مدل DeepMind گوگل با این دستاورد ثابت کرد که هوش مصنوعی نه‌تنها در حوزه‌های کاربردی، بلکه در علم بنیادی نیز توانایی ایفای نقش دارد و می‌تواند آغازگر عصری تازه در تاریخ پژوهش‌های علمی باشد.
