Математики и физики пытались поймать их почти двести лет. Инженеры строили на них целые отрасли, не зная, существуют ли они на самом деле. Речь о сингулярностях в уравнениях Навье-Стокса — тех точках, где плавное течение жидкости внезапно рвется, а давление уходит в бесконечность. В январе 2026 года команда из DeepMind, используя модифицированную архитектуру FluidTransformer-4, объявила об обнаружении целого нового семейства таких сингулярностей. И это не просто абстрактная математика. Это меняет правила игры в аэродинамике, прогнозировании погоды и проектировании реактивных двигателей.
Задача тысячелетия, которая не давала спать спокойно
Уравнения Навье-Стокса описывают движение всего, что течет: от воздуха вокруг крыла самолета до крови в ваших сосудах. Они выглядят как набор элегантных, но смертельно сложных дифференциальных уравнений. Проблема в том, что никто до конца не понимает, всегда ли их решения остаются гладкими. Если в какой-то момент решение «взрывается» — возникает сингулярность — это означает, что наши модели турбулентности и течений фундаментально неполны. Институт Клэя включил этот вопрос в список «проблем тысячелетия» с призом в миллион долларов. Деньги до сих пор не выплачены.
Традиционные численные методы заходили в тупик. Чтобы доказать существование сингулярности, нужно отследить эволюцию течения до самого «взрыва». Суперкомпьютеры справлялись с расчетами, но не с интерпретацией. Они генерировали терабайты данных, в которых человек просто тонул. Нужен был новый подход.
Нейросеть, которая думает как математик-бунтарь
Вместо того чтобы пытаться решить уравнения напрямую, исследователи из DeepMind и MIT в 2025 году обучили модель FluidTransformer-4 искать в данных симуляций аномалии — паттерны, ведущие к катастрофе. Архитектура основана на последней версии трансформера (GPT-5), но с критическим дополнением: встроенным физическим индуктивным смещением. Проще говоря, нейросеть изначально знает законы сохранения массы и энергии. Ее не нужно этому учить — это часть ее ДНК.
Звучит как магия, но именно этот подход — гибрид символического ИИ и глубокого обучения — стал мейнстримом в 2025-2026 годах. Модели, подобные AlphaGeometry-2, уже доказали десятки теорем. Теперь очередь за физикой.
Как это работает? Модель анализирует тысячи симуляций, запущенных на кластерах с GPU нового поколения (H200). Она не просто аппроксимирует решения, как это делали более старые PINN (Physics-Informed Neural Networks). Она активно формирует гипотезы: «А что, если начальное условие будет иметь вот такую странную, несимметричную форму?». Затем она запускает «мысленный эксперимент» в своей внутренней среде и проверяет, не приведет ли это к сингулярности быстрее, чем известные сценарии.
Именно так в феврале 2026 года был обнаружен класс сингулярностей, названный «вихревыми кольцами с обратной связью». Их особенность — не в гигантской скорости, а в специфической геометрии вихрей, которые начинают подпитывать сами себя. Человек-исследователь вряд ли догадался бы искать нечто подобное.
Что это значит для мира за пределами уравнений?
Открытие имеет далеко идущие последствия, которые уже ощущаются в индустрии.
- Авиация и космос: Понимание новых сингулярностей позволяет пересмотреть модели сваливания и флаттера. Boeing и Airbus уже тестируют обновленные алгоритмы в своих симуляторах, что может привести к новым, более эффективным и безопасным конструкциям крыльев.
- Энергетика: Турбины ветряных электростанций и газовых турбин работают в условиях высокой турбулентности. Точечное знание условий, ведущих к экстремальным нагрузкам, продлевает их срок службы.
- Климатическое моделирование: Ураганы и атмосферные фронты — это тоже задачи гидродинамики. Более точные модели сингулярностей могут улучшить прогнозы экстремальных погодных явлений.
Этот успех — часть большой тенденции, где ИИ становится не просто инструментом для анализа данных, а активным соавтором научных открытий. Мы уже видели похожий сценарий на Большом адронном коллайдере, где нейросети ищут аномалии в petabytes данных.
А где же подвох? (Он есть, конечно)
Эйфория от открытия не должна заслонять фундаментальные проблемы. Нейросеть FluidTransformer-4 нашла сингулярности численно, но не предоставила аналитического доказательства в традиционном математическом смысле. Она показывает: «Смотрите, вот последовательность данных, которая ведет к взрыву». Математик требует: «Докажите, что этот предел действительно стремится к бесконечности, а не просто к очень большому числу».
| Метод | Сила | Слабость | Статус на 2026 |
|---|---|---|---|
| Традиционные численные методы (FEM, FVM) | Детализированная симуляция | Слепы к новым сценариям, требуют гипотез от человека | Индустриальный стандарт, но для открытий малопригоден |
| Ранние PINN (2020-2024) | Быстрая аппроксимация решений | Часто нарушают физические законы, ненадежны в экстремальных условиях | В основном вытеснены гибридными моделями |
| Гибридные модели (FluidTransformer-4, SimNet-NG) | Активный поиск неизвестного, соблюдение законов физики | «Черный ящик», результаты трудно верифицировать формально | Передний край исследований, источник прорывов |
Кроме того, как и в случае с «вайб-физикой», всегда есть риск принять артефакт вычислений или переобучения модели за фундаментальное открытие. Исследователи из DeepMind пытаются бороться с этим, используя методы из области объяснимого ИИ (XAI), но проблема далека от решения.
Что дальше? ИИ как главный игрок в фундаментальной науке
Следующая цель, которую уже ставят в Caltech и ETH Zurich, — заставить ИИ не только находить сингулярности, но и предлагать пути их «регуляризации»: как изменить начальные условия или граничные эффекты, чтобы избежать катастрофы. Это прямой путь к созданию самопроектирующихся инженерных систем.
Успех в гидродинамике — это только начало. Методология переносится на другие области: квантовую теорию поля, общую теорию относительности, материаловедение. Как мы писали в обзоре про ИИ в открытии лекарств и материалов, темпы ускоряются.
Итог? Математики не останутся без работы. Их роль сместится от рутинного поиска к формулировке задач для ИИ и, что важнее, к строгой верификации его «инсайтов». Миллион за задачу тысячелетия все еще в игре. Только теперь на его получение претендуют две стороны: человек и его алгоритмический партнер. И, кажется, ставки только растут.
