标签
一篇探讨深度强化学习在高超声速/高速流动控制中应用前景与挑战的综述性论文，讨论了可解释性、仿真保真度、数据效率及工程落地路径等关键约束。
探索如何利用大语言模型的思维链推理来解决纳维–斯托克斯数学论证的最后一步，将人工智能驱动的推理与流体动力学中的未解问题及千禧年难题相结合。
一个指向 Lobsters 评论区的链接，那里正在讨论 Vi Hart 关于纳维–斯托克斯方程的长篇文章，引发了社区对数学和流体动力学的讨论。
匹兹堡大学的科学家通过游泳的丰年虾（brine shrimp）证明，二维湍流中能量级联的方向可以被一个尺寸较小、角度设置恰当的障碍物所逆转，这一发现挑战了流体力学中一个长期存在的假设，并可能在污染控制和药物设计领域得到应用。
该arXiv论文由单人作者提出了一种用于水平集界面输运的无数据物理信息神经算子，仅基于输运残差和几何约束进行训练，无需任何参考解。在面积守恒方面，其表现优于有监督基线方法，同时量化了拒绝使用标签数据所付出的精度代价。
本文提出一种极简的横截子空间表示方法，将 D 分量无散度向量场编码为 D−1 分量场，从而在无需投影或辅助势函数的情况下实现端到端的无散度算子学习，并取得更低的误差和更强的鲁棒性。
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。