AI破解理解世界的关键数学难题

偏微分方程（PDE）是描述随时间和空间变化以及宇宙物理现象的数学方程，可用于建模，研究行星轨道、板块构造和空气动力学，以预测地震活动和安全设计等，但其复杂高且计算量巨大。

近期，加州理工学院研究人员推出了一种解决PDE的新的深度学习技术，研究人员认为，空气运动实际上可描述为波频率的组合，通过直接在傅立叶空间中对积分内核进行参数化，制定一种新的神经元运算符，在傅立叶空间逼近傅立叶函数，极大简化了神经网络的准确性和效率。该技术在解决Navier-Stokes方程时错误率减少了30％，且具有更广泛的通用性，无需重新训练即可解决整个PDE系列问题，提高了建模的计算能力。