Dana Mackenzie

Senior Technology Writer

将卵石投入流动的水流，可能不会大幅度改变流型。但是若将卵石扔到其他位置，则可能会发生很大变化。谁能进行预测呢？

答案：神经网络可以。美国帕萨迪纳加利福尼亚理工学院（California Institute of Technology, Caltech）的计算机科学家和数学家，通过展示神经网络可自学如何比以往任何一种计算机程序更快、更准确解决一大类流体流动问题，而为人工智能（AI）开辟了新的舞台[1]。

加利福尼亚理工学院的计算与数学科学教授、科学人工智能（AI4Science）联合负责人Animashree Anandkumar表示：“当我们的小组两年前聚在一起时，我们讨论了人工智颠覆哪些科学领域的时机已经成熟。我们认为，如果能找出一个强大的框架来解算偏微分方程，那么我们就能产生广泛的影响。”他们的首个目标是二维纳维-斯托克斯方程（Navier-Stokes equation），该方程描述了无限薄的一层水的运动情况（图1）。他们的神经网络（他们称之为“傅里叶神经算子”）在解决这类问题时，其性能（速度提高了400倍，精度提高了30%）大大优于以前的任何微分方程解算器。

偏微分方程（PDE）是牛顿运动定律自然而然产生的一类方程。为此，偏微分方程是科学的基础，解算这些方程取得的任何重大进展都会产生广泛影响。Anandkumar表示：“我们正与各行业以及学术界和国家实验室的众多团队进行讨论。我们已在进行三维流体流动实验。”Anandkumar表示，一个很好的应用案例是核聚变建模方程式。她补充道：“另一个应用案例是材料设计，尤其是塑性与弹性材料设计。在此领域中，团队成员，即力学与材料科学教授Kaushik Bhattacharya具有丰富的经验。……