ENG: For nearly two centuries, the Navier–Stokes equations have been the gold standard for describing how fluids move, from ocean currents to the airflow over a wing. But mathematicians have long suspected there may be rare situations where this elegant theory “glitches.” In those extreme cases, the equations might predict something physically nonsensical: a whirlpool that accelerates without limit, or a quantity like vorticity shooting to infinity in finite time. That kind of mathematical breakdown is called a singularity or blowup, and proving whether it can (or cannot) happen for three-dimensional Navier–Stokes is so hard it’s one of the Clay Millennium Prize Problems, with $1 million on the line.
Because the full Navier–Stokes problem is a monster, researchers often explore simpler cousins first, like the Euler equations (which ignore viscosity) or lower-dimensional “toy” models. Those systems can still produce blowups, and in a few special cases mathematicians have even backed up computational evidence with rigorous proofs. But there’s a catch: most known blowups are stable, meaning they still occur even if you nudge the initial conditions a bit. The truly scary possibility is unstable blowups, singularities that appear only when the initial state is tuned with absurd precision. These are nearly impossible to catch with standard simulations, because numerical rounding errors act like a constant gust of wind knocking the system off its razor-thin path.
That’s where the new AI-driven approach comes in. A large group led by mathematicians Tristan Buckmaster and Javier Gómez-Serrano, working with researchers at Google DeepMind, has been training physics-informed neural networks (PINNs) to hunt for singularities in a different way. Instead of simulating fluid motion step by step through time (where instability quickly ruins the search), the networks are trained to solve for special “self-similar” blowup patterns directly, patterns that look the same as you zoom in. This trick turns an infinite blowup into a finite “frozen” profile that a computer can actually represent. Using custom-built neural network setups tailored to particular fluid equations, the team reports a batch of new singularity candidates, including several unstable ones in multi-dimensional settings where such candidates were essentially invisible before. None of them is yet a proven blowup, and the big prize, anything definitive for Navier–Stokes, is still out of reach. But the shift is important: unstable singularities no longer look like impossible needles in an infinite haystack, and the candidates produced by these networks may become the starting point for future computer-assisted proofs.
RO: De aproape două secole, ecuațiile Navier–Stokes sunt standardul de referință pentru a descrie cum se mișcă fluidele, de la curenții oceanici până la curgerea aerului pe lângă aripa unui avion. Totuși, matematicienii bănuiesc de mult că există situații rare în care această teorie „are scăpări”. În astfel de cazuri extreme, ecuațiile ar putea prezice ceva care nu mai are sens fizic: un vârtej care se accelerează fără limită sau o mărime precum vorticitatea care crește până la infinit într-un timp finit. Un astfel de blocaj matematic se numește singularitate sau „blowup”, iar a demonstra dacă poate (sau nu poate) apărea pentru Navier–Stokes în trei dimensiuni este atât de dificil încât problema face parte din Clay Millennium Prize, cu un premiu de 1 milion de dolari.
Fiindcă problema completă Navier–Stokes este extrem de grea, cercetătorii pornesc adesea de la versiuni mai simple, cum sunt ecuațiile Euler (care ignoră vâscozitatea) sau modele „jucărie” în dimensiuni mai mici. Și aceste sisteme pot produce blowup-uri, iar în câteva cazuri speciale matematicienii au reușit să transforme indicii obținute prin calcule numerice în demonstrații riguroase. Există însă un detaliu important: aproape toate blowup-urile cunoscute sunt stabile, adică apar în continuare chiar dacă schimbi puțin condițiile inițiale. Varianta cu adevărat dificilă este cea a blowup-urilor instabile, adică singularități care apar doar dacă starea inițială este reglată cu o precizie foarte mare. Astfel de cazuri sunt aproape imposibil de prins în simulări obișnuite, pentru că și erorile numerice foarte mici pot devia evoluția și pot opri formarea singularității.
Aici intervine noua abordare bazată pe inteligență artificială. Un grup numeros, condus de matematicienii Tristan Buckmaster și Javier Gómez-Serrano și sprijinit de cercetători de la Google DeepMind, a antrenat rețele neuronale „physics-informed” (PINN) ca să caute singularități într-un mod diferit. În loc să simuleze curgerea pas cu pas în timp, metodă care se strică rapid când singularitatea este instabilă, rețelele sunt antrenate să găsească direct tipare de blowup „autosimilare”, care arată la fel atunci când mărești scara și „dai zoom” pe zona relevantă. Prin acest truc, un blowup infinit se transformă într-un profil „înghețat” și finit, pe care calculatorul îl poate reprezenta și optimiza. Folosind rețele adaptate fiecărui tip de ecuații, echipa a raportat mai multe candidate noi de singularitate, inclusiv unele instabile în contexte multidimensionale unde astfel de candidate erau greu de găsit până acum. Niciuna nu este încă demonstrată, iar premiul cel mare, un rezultat definitiv pentru Navier–Stokes, rămâne departe. Totuși, direcția este importantă: singularitățile instabile nu mai par imposibil de explorat, iar candidatele obținute ar putea deveni puncte de plecare pentru demonstrații viitoare asistate de calculator.
Source (Charlie Wood, Quanta Magazine, “Using AI, Mathematicians Find Hidden Glitches in Fluid Equations”, 09.01.2025)
