Турбулентность сдаётся? ИИ ищет взрывы в уравнениях, которые не могли решить …

Все > 06:38 Пиво оставляет самый стойкий запах перегара у водителей 06:33 Нырки гриндов до 1000 метров подтверждены исследователями Уильяма Гофа 06:26 Неправильный уход снижает размер цветоносов гиацинта 06:23 Авиакомпании редко признают продажу лишних билетов — авиаэксперт Роман Гусаров 06:17 Салат "Красная Грива" готовят из крабовых палочек, помидоров и перца 06:17 Сплит-приседания увеличивают мобильность и гибкость — тренер Джеймс Бикерстафф 06:10 Общение помогает справляться с сезонной депрессией — психологи 06:03 Секретные совещания: Microsoft запретили пользователям делать скриншоты 06:03 Настя Ивлеева чуть не заплакала при просмотре старых видео Турбулентность сдаётся? ИИ ищет взрывы в уравнениях, которые не могли решить десятилетия ИИ Google находит ответы там, где бессильны классические уравнения 7:53 Your browser does not support the audio element. 16.11.2025 00:05 Наука Идея использовать искусственный интеллект для решения старых задач физики звучит как научная фантастика, но именно так сейчас развиваются исследования в гидродинамике. Уже больше века учёные пытаются описать хаотическое движение жидкостей и газов — от завихрений воздуха вокруг крыла самолёта до турбулентности. Фото: commons.wikimedia.org by Uses of Wikidata Infobox is licensed under From Wikimedia Commons, the free media repository Искусственный интеллект Лаборатория Google DeepMind предложила новый путь: встроить сами уравнения физики внутрь ИИ-моделей и позволить алгоритмам искать решения с точностью, ранее недостижимой для численных методов. Как ИИ помогает разбираться с турбулентностью Турбулентные потоки — одна из самых сложных тем в физике. Уравнения, которыми их описывают, часто приводят к сингулярностям: математическим "взрывам", когда величины вроде давления или скорости становятся бесконечными. На практике это означает, что модель перестаёт что-либо адекватно предсказывать, а инженерам приходится делать упрощающие допущения — например, считать вязкость постоянной и игнорировать резкие изменения параметров. Команда Демиса Хассабиса в Google DeepMind создала специальные ИИ-модели, в которые структура гидродинамических уравнений вшита напрямую. Вместо того чтобы заменять физику "чёрным ящиком", алгоритмы опираются на реальные уравнения и оптимизируют решения шаг за шагом. Это позволило обнаружить новые семейства нестабильных сингулярностей сразу в трёх разных уравнениях гидродинамики и довести точность до уровня, подходящего для строгой математической проверки. Сравнение: классические методы против ИИ-подхода Подход Классическая численная гидродинамика ИИ-модели Google DeepMind Работа с уравнениями Решение приближёнными методами, жёсткие допущения Структура уравнений встроена в модель Проблема сингулярностей Часто "ломают" расчёты ИИ помогает находить и классифицировать нестабильные решения Точность Ограничена шагом сетки и ресурсами Стремится к машинной точности Роль человека Ручной подбор моделей и допущений Человек формулирует постановку, ИИ ищет новые решения Области применения Аэродинамика, трубы, базовые симуляции Сложные турбулентные режимы, матфизика, теоретические задачи Как это объясняет студентка-инженер Нора Вулли подчёркивает практическое значение этих открытий. Она обращает внимание, что многие инженерные и численные программы закладывают в расчёты идеализированные предпосылки, словно уравнения работают одинаково хорошо для любых значений параметров: С появлением новых данных о нестабильных сингулярностях становится понятнее, где именно классические уравнения начинают "обманывать" инженеров и в каких диапазонах на их предсказания уже нельзя полагаться. Ошибка → Последствие → Альтернатива • Ошибка: считать уравнения гидродинамики абсолютно точными в любых режимах.Последствие: неверные прогнозы поведения потока, риск аварийных режимов в реальных установках.Альтернатива: учитывать наличие нестабильных сингулярностей и проверять расчёты в "подозрительных" диапазонах.• Ошибка: воспринимать ИИ как замену физики.Последствие: "чёрный ящик" выдаёт красивые числа, но их физический смысл неочевиден.Альтернатива: использовать ИИ как инструмент поиска и проверки решений внутри физических уравнений.• Ошибка: игнорировать новые результаты, полагаясь на устоявшиеся учебники.Последствие: устаревшие модели сопротивления, турбулентности и потерь энергии в сложных системах.Альтернатива: обновлять инженерные методики с учётом современных исследований вроде работы Google DeepMind. А что если… А что если подобных нестабильных сингулярностей в фундаментальных уравнениях физики гораздо больше, и ИИ станет основным инструментом их поиска? Тогда математическая физика частично превратится в сотрудничество человека и алгоритмов: ИИ будет выдвигать кандидатов на решения, а учёные — проверять их строго доказательно. А что если через несколько лет такие модели встроят прямо в инженерные пакеты для расчёта аэродинамики самолётов, турбин и трубопроводов? Тогда проектирование крыльев, корпусов судов и даже протезов кровеносных сосудов сможет опираться на более тонкое понимание турбулентности и переходных режимов, а не на грубые приближения. Плюсы и минусы использования ИИ в гидродинамике Плюсы Минусы Помогает находить сложные решения уравнений Требует больших вычислительных ресурсов Открывает новые классы сингулярностей Риск неверной интерпретации результатов Уточняет области применимости моделей Зависимость от качества обучающих Ð´Ð°Ð½Ð½Ñ‹Ñ Ð¡Ð¾ÐºÑ€Ð°Ñ‰Ð°ÐµÑ‚ время поиска нетривиальных режимов Не заменяет строгих математических доказательств FAQ Зачем вообще искать нестабильные сингулярности?Они показывают, где привычные уравнения перестают работать, и помогают понять границы применимости моделей в реальной технике.Это поможет сделать полёты самолётов безопаснее и комфортнее?Напрямую — не завтра, но понимание турбулентности и сопротивления воздуха может улучшить аэродинамику и расход топлива, а также помочь сгладить наиболее жёсткие режимы полёта.Может Ð»Ð¸ ИИ сам "вывести" новые законы физики?Пока он скорее помогает находить решения уже известных уравнений и предлагать гипотезы. Формулировать и доказывать новые законы по-прежнему задача людей-физиков и математиков. Мифы и правда • Миф: ИИ полностью заменит математиков и физиков.Правда: ИИ упрощает поиск сложных решений, но осмысление и доказательства остаются за людьми.• Миф: если расчёт делает ИИ, он всегда точнее.Правда: модель может наследовать ошибки данных и упрощений, поэтому нужна независимая проверка.• Миф: турбулентность — чистый хаос, который невозможно описать.Правда: она крайне сложна, но новые методы позволяют лучше понимать её структуру и границы применимости уравнений. Три интересных факта Проблема описания турбулентности — одна из великих нерешённых задач, связанных с уравнениями Навье-Стокса. Нестабильные сингулярности могут существовать очень короткое время, но сильно влиять на итоговое поведение потока. Встраивание физических уравнений внутрь нейросетей — один из главных трендов развития так называемого "физически информированного ИИ". Исторический контекст Более ста лет физики и математики пытаются строго описать движение жидкостей и газов, а многие инженерные решения до сих пор основаны на эмпирических формулах и экспериментальных графиках. С появлением мощных вычислительных кластеров возникла CFD — численное моделирование потоков, но даже оно сталкивается с ограничениями при экстремальных режимах. Появление лабораторий вроде Google DeepMind и интерес таких руководителей, как Демис Хассабис, к фундаментальной физике делает ИИ не только коммерческим инструментом, но и полноценным участником научного поиска. Новые результаты по нестабильным сингулярностям — один из первых примеров того, как искусственный интеллект помогает сдвинуть с места задачи, которые казались неподъёмными десятилетиями. Ежедневно — 24 истории о научных Ð¾Ñ‚ÐºÑ€Ñ‹Ñ‚Ð¸ÑÑ Ð’ÑÐµ они в наших соцсетях, подпишись Source: https://www.pravda.ru/news/science/2308642-ai-in-fluid-dynamics/