标签
OpenAI 声称对 Navier-Stokes 问题的解决方案引发了争议，专家质疑其是否解决了该数学问题的正确变体。
Greg Brockman讨论了OpenAI如何使用10,000个AI代理解决Navier-Stokes问题，强调了AI推动科学发现和迈向通用人工智能（AGI）的潜力。
OpenAI 声称利用 AI 代理生成了一个证明，表明在纳维-斯托克斯方程中可能形成奇点。本文探讨了其对 AI 驱动数学研究及未来科学方法的影响。
Anima Anandkumar 描述了在 Terence Tao 博客上的一篇客座文章，详细介绍了一种使用 Physics-Informed Neural Networks (PINN) 来寻找流体力学中 Euler 方程奇异解的方法，强调了其提前发布和在科学计算中的广泛应用。
使用Navier-Stokes方程对演进涡旋进行模拟的动画在网络上疯传，展示了令人印象深刻的流体动力学可视化。
本文总结了支持AI和反对AI在线空间中关于人工智能应用于Navier-Stokes方程的当前辩论。
据报道，OpenAI在证明Navier-Stokes方程时使用了Anthropic的Claude模型，该方程是数学和物理学中的一个重大未解决问题。
OpenAI宣布使用人工智能解决了Navier-Stokes问题，但因未注明数学家Tristan Buckmaster和Levent Alpöge的贡献而引发争议。这一事件标志着随着人工智能影响力的增强，数学研究可能发生的转变。
OpenAI宣布使用一个先进的内部AI模型解决了Navier-Stokes千禧年大奖问题，证明光滑的三维流体运动可以在有限时间内产生奇点。
Bubeck 否认 Buckmaster 在涉及 Navier-Stokes 方程的争议中提出的指控
本文是一篇由Tristan Buckmaster撰写的关于Navier-Stokes方程的学术论文，很可能探索其数学解或性质。
Buckmaster 和 Alpoge 提出了欧拉方程的一个反例，表明三维欧拉方程在流体力学中可能发展出奇点。
介绍VATO，一种涡旋力感知的Transformer算子，通过力感知的神经算子学习，减少速度、压力和涡量的误差，从而提高非定常分离气动流动的预测。
Elon Musk 强调了 Grok Bot 的惊人能力，用户 Yun-Ta Tsai 赞扬其在模拟流体动力学方面的显著进展和易用性。
本研究系统评估了用于流体动力学的物理信息神经网络技术，表明将周期性激活与因果加权相结合可提高Navier-Stokes涡脱落基准测试的性能，而进一步添加则因非线性交互作用而导致性能下降。
一位人士正在为NeurIPS 2026的RealPDE Competition寻找一名具有ML背景的队友，专注于Sim2Real和LTTTA赛道，涉及真实流体动力学数据。注册截止日期为8月20日。
本文提出了用于流体动力学的 Transferable Latent Operator (TLO)，实现了从欧拉场预测到拉格朗日粒子展开的零样本泛化，无需拉格朗日监督。