深度学习准备「爆破」著名的欧拉方程

553e19e3d0b6d1fb6a5db3491a6378db.png

来源:ScienceAI

编辑:绿萝

250 多年来,数学家一直试图「爆破」物理学中一些最重要的方程:那些描述流体如何流动的方程。如果他们成功了,那么他们将会发现一种情况,在这种情况下,这些方程会被打破——可能是一个无限快旋转的漩涡,或者是一个突然停止和开始的电流,或者是一个粒子以无限快的速度掠过它的邻居。超出那个爆炸点——「奇点」——方程将不再有解。它们甚至无法描述我们生活的世界的理想化版本,数学家将有理由怀疑它们作为流体行为模型的普遍可靠性。

但是奇点可能和它们要描述的流体一样滑。为了找到一个,数学家经常采用控制流体流动的方程,将它们输入计算机,然后运行数字模拟。他们从一组初始条件开始,然后观察直到某个量的值——例如速度,或者涡度(一种旋转的度量)——开始疯狂增长,似乎正处于爆炸的轨道上。

然而,计算机不能明确地发现一个奇点,原因很简单,它们不能处理无限值。如果存在奇点,计算机模型可能会接近方程爆炸的点,但他们永远无法直接看到它。事实上,当使用更强大的计算方法进行探测时,明显的奇点已经消失。

然而,这种近似仍然很重要。有了它,数学家可以使用一种称为计算机辅助证明的技术来证明真正的奇点存在于附近。他们已经为问题的简化的一维版本做到了。

在今年早些时候在线发布的预印本中,一个由数学家和地球科学家组成的团队发现了一种近似奇点的全新方法——一种利用最近开发的深度学习形式的方法。使用这种方法,他们能够直接观察奇点。他们还用它来寻找传统方法无法解决的奇点,希望证明这些方程并不像看起来那样可靠。

8328e495f7ea6236a0e97a74342d9690.png

论文地址:https://arxiv.org/abs/2201.06780

这项工作发起了一场破坏流体方程的竞赛:一方面是深度学习团队;另一方面,多年来一直在使用更成熟的技术的数学家。无论谁可能赢得比赛——如果有人确实能够到达终点线——结果都表明,神经网络可以如何帮助人们为许多不同的问题寻找新的解决方案。

消失的「爆破」

1757 年,Leonhard Euler 写下了这项新工作核心的方程式,用于描述理想的不可压缩流体的运动——一种没有粘性或内摩擦的流体,并且不能被压缩到更小的体积中。(像自然界中发现的许多流体一样,确实具有粘性的流体是由纳维-斯托克斯方程建模的;炸毁它们将获得克雷数学研究所 100 万美元的千禧年大奖难题。)流体在某个起点,欧拉方程应该一直预测流体的流动。

但是数学家想知道在某些情况下——即使起初似乎没有什么不对——方程最终会遇到麻烦。

2013 年,两位数学家提出了这样一个场景。由于全三维流体流动的动力学可能变得异常复杂,加州理工学院的数学家 Thomas Hou 和现就职于香港恒生大学的 Guo Luo,认为流动服从某种对称性。

在他们的模拟中,流体在圆柱形杯内旋转。杯子上半部的流体顺时针旋转,而下半部逆时针旋转。相反的流动导致形成其他复杂的上下循环的电流。很快,在相反流动相交的边界上的一点,流体的涡度就会爆炸。

e6931245a6f611d28278a44a71e9c415.png

虽然这个证明提供了令人信服的奇点证据,但没有证据就不可能确定它是一个奇点。在 Hou 和 Luo 工作之前,许多模拟都提出了潜在的奇点,但后来在更强大的计算机上进行测试时,大部分都消失了。「你认为有一个,」明尼苏达大学的数学家 Vladimir Sverak 说。「然后你把它放在一台分辨率更高的更大的计算机上,不知何故,原本你以为存在的奇点却不见了。」

那是因为这些解决方案可能很挑剔。它们很容易受到小的、看似微不足道的错误的影响,这些错误会随着模拟的每个时间步而累积。普林斯顿大学的数学家 Charlie Fefferman 说:「尝试在计算机上对欧拉方程进行良好的模拟是一门微妙的艺术。这个方程对解的小数点后 38 位的微小错误非常敏感。」

尽管如此,Hou 和 Luo 对奇点的近似解仍然经受住了迄今为止对其进行的所有测试,并且它激发了许多相关工作,包括对该问题较弱版本的爆炸的完整证明。「这是迄今为止奇点形成的最佳方案,」Sverak 说。「很多人,包括我自己,都相信这一次是真正的奇点。」

43d8da89d8fc0e4d634f10d5d52180d0.png

为了充分证明欧拉方程已被爆破,数学家需要证明,给定近似的奇点,附近存在一个真正的奇点。他们可以用精确的数学术语重写那个陈述——一个真正的解决方案存在于一个足够接近近似的邻域中——然后证明如果某些属性可以得到验证,它是正确的。然而,验证这些属性需要再次使用计算机:这一次,执行一系列计算(包括近似解),并仔细控制过程中可能累积的错误。

Hou 和他的研究生 Jiajie Chen 多年来一直致力于计算机辅助证明。他们从 2013 年开始改进了近似解(他们尚未公开的中间结果),现在正在使用该近似作为他们新证明的基础。他们还表明,这种通用策略可以解决比欧拉方程更容易解决的问题。

现在另一群人也加入了狩猎。他们使用完全不同的方法找到了自己的近似值——与Hou 和 Luo 的结果非常相似。他们目前正在使用它来编写自己的计算机辅助证明。然而,为了获得近似值,他们首先需要转向一种新的深度学习形式。

冰川神经网络

普林斯顿大学数学家、高等研究院访问学者 Tristan Buckmaster 遇到这种新方法纯属偶然。去年,他所在系的本科生 Charlie Cowen-Breen 要求他签署一个项目。Cowen-Breen 一直在普林斯顿地球物理学家 Ching-Yao Lai 的监督下研究南极洲的冰盖动力学。利用卫星图像和其他观测,他们试图推断冰的粘度并预测其未来的流动。但要做到这一点,他们依赖于 Buckmaster 以前从未见过的深度学习方法。

与传统的神经网络不同,传统的神经网络需要对大量数据进行训练才能做出预测,「物理信息神经网络」(PINN)还必须满足一组潜在的物理约束。这些可能包括运动定律、能量守恒定律、热力学——科学家可能需要为他们试图解决的特定问题进行编码。

00bb88cdc8e7ad91a15d6a50ea909067.png

将物理学注入神经网络有几个目的。一方面,它允许网络在可用数据非常少的情况下回答问题。它还使 PINN 能够推断原始方程中的未知参数。在很多物理问题中,「我们大致知道方程应该是什么样子,但我们不知道 [某些] 项的系数应该是什么,」Lai 实验室的博士后研究员、新论文的合著者之一Yongji Wang 指出。Lai 和 Cowen-Breen 试图确定的参数就是这种情况。

「我们称之为隐藏流体力学,」布朗大学应用数学家 George Karniadakis 说,他在 2017 年开发了第一个 PINN。

Cowen-Breen 的请求引起了 Buckmaster 的思考。求解具有圆柱边界的欧拉方程的经典方法——正如Hou、Luo 和 Chen 所做的那样——涉及时间的艰苦进程。但是由于对时间的依赖,他们只能非常接近奇点而永远无法到达它:随着他们越来越接近可能看起来像无穷大的东西,计算机的计算将变得越来越不可靠,以至于他们无法真正看到爆破本身的点。

但是欧拉方程可以用另一组方程来表示,通过一个技术技巧,把时间抛到一边。Hou 和 Luo 在 2013 年的结果不仅以确定一个非常精确的近似解而著称。他们发现的解决方案似乎也具有一种特殊的「自相似」结构。这意味着随着模型的发展,它的解决方案遵循一定的模式:它后来的形状看起来很像它的原始形状,只是更大了。

这一特征意味着数学家可以专注于奇点发生之前的时间。如果他们以适当的速度放大那张快照——就好像他们在具有不断调整的放大倍率设置的显微镜下观察它一样——他们可以模拟稍后会发生的事情,直到奇点本身。同时,如果他们以这种方式重新调整事物,那么在这个新系统中实际上不会出现任何严重错误,并且他们可以消除处理无限值的任何需要。「它只是接近了一个很好的极限,」Fefferman 说,这个极限代表了方程的时间相关版本中爆发的发生。

「对这些 [re-scaled] 函数进行建模更容易,」Sverak 说。「因此,如果您可以使用 [自相似] 函数来描述奇点,那将是一个很大的优势。」

539d73d34813331716a5da09108b20a6.png

从左到右分别是:数学家 Tristan Buckmaster 和 Javier Gómez Serrano,地球物理学家 Cheng Yao Lai 和 Yongji Wang。他们合作使用基于物理的神经网络来研究欧拉方程的爆破。

问题在于,要实现这一点,数学家不仅仅需要求解通常参数(例如速度和涡度)的方程(现在用自相似坐标编写)。方程本身也有一个未知参数:控制放大率的变量。它的值必须恰到好处,以确保方程的解对应于问题的原始版本中的放大解。

数学家将不得不同时向前和向后求解方程——这是使用传统方法实现的一项困难甚至不可能的任务。

但找到这些解决方案正是 PINN 的设计目的。

「爆破」之路

回想起来, Buckmaster 说,「这似乎是一件显而易见的事情。」

He、Lai、Wang 和 Javier Gómez-Serrano(他是布朗大学和巴塞罗那大学的数学家),建立了一套物理约束来帮助指导他们的 PINN:与对称性和其他属性相关的条件,以及他们想要求解的方程(他们使用了一组 2D 方程,使用自相似坐标重写,已知它们在接近圆柱边界的点处等效于 3D Euler 方程)。

然后,他们训练神经网络搜索满足这些约束的解决方案以及自相似参数。「这种方法非常灵活,」Lai 说。「只要施加正确的约束,您总能找到解决方案。」 (事实上,该小组通过在其他问题上测试该方法来展示这种灵活性。)

该团队的答案看起来很像 Hou 和 Luo 在 2013 年得出的解决方案。但数学家希望他们的近似能够更详细地描绘正在发生的事情,因为这是第一次直接计算出这个问题的自相似解。Sverak 表示 :「新的研究结果更精确地说明了奇点是如何形成的」,即某些值会如何达到爆破点,以及方程将如何崩溃。

Buckmaster 指出:「在没有神经网络的情况下,你很难证明你是真的在捕捉奇点的本质。很明显,这项研究所用的方法是比传统方法要容易得多。」

Gómez-Serrano 对此表示同意,他说:「这在未来将成为人们手边的一种标准工具」。

PINNs 再一次揭示了 Karniadakis 所说的「隐藏流体力学」,只是这一次,他们用 PINNs 在更具理论性的问题上取得了进展。Karniadakis 说:「我还没见过有人用 PINNs 来做这件事。」

这不是数学家兴奋的唯一原因。PINN 也可能非常适合寻找传统数值方法几乎不可见的另一种奇点。这些「不稳定」奇点可能是某些流体动力学模型中唯一存在的奇点,包括没有圆柱边界的欧拉方程(求解起来已经复杂得多)和纳维-斯托克斯方程。「不稳定的事情确实存在。那为什么不找他们呢?」普林斯顿大学的数学家 Peter Constantin 说。

但即使对于经典技术可以处理的稳定奇点,PINN 为具有圆柱边界的欧拉方程提供的解「是定量和精确的,并且更有可能变得严谨,」Fefferman 说。「现在有了一个通往证明的路线图。这将需要大量的工作。这将需要很多技巧。我想这需要一些独创性。但我不认为这需要天才。我认为这是可行的。」

Buckmaster 的团队现在正在与 Hou 和 Chen 争夺最先到达终点线。Hou 和 Chen 领先一步:据 Hou 说,他们在过去几年中在改进近似解和完成证明方面取得了实质性进展——他怀疑 Buckmaster 和他的同事必须先完善他们的近似解 得到他们自己的工作证明。「几乎没有出错的余地,」Hou 说。

也就是说,许多专家希望 250 年来破解欧拉方程的努力即将结束。Sverak 说:「从概念上讲,我认为……所有重要的部分都已到位,只是很难确定细节。」

参考内容:https://www.quantamagazine.org/deep-learning-poised-to-blow-up-famed-fluid-equations-20220412/

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)大脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

d15d434c7f6f90704175ca825f10d24c.png

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/482237.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

18 操作系统第五章 设备管理 IO设备的基本概念和分类 IO控制器 IO控制方式 IO软件层次结构 IO核心子系统 假脱机技术 设备的分配与回收 缓冲区管理

文章目录1 IO设备的基本概念和分类1.1 什么是I/O设备1.2 I/O设备分类2 IO控制器2.1 I/O设备组成2.2 I/O控制器功能2.3 I/O控制器的组成2.4 寄存器编址方式2.5 IO控制器小结3 IO控制方式3.1 程序直接控制方式3.2 中断驱动方式3.3 DMA方式3.3.1 DMA控制器3.3.2 DMA方式3.4 通道控…

Nature发布第一张人类造血干细胞发育的全面路线图

来源:生物通加州大学洛杉矶分校(UCLA)的科学家创建了一份史无前例的路线图,追踪了人类胚胎中造血干细胞发育的每一步,为人们在实验室中生产功能齐全的造血干细胞提供了蓝图。来自胚胎主动脉壁的人类造血干细胞这项研究…

1 计算机组成原理第一章 计算机系统概述 计算机发展历程、层次结构、性能指标

文章目录1 计算机发展历程1.1 软硬件发展1.2 分类以及发展方向2 计算机系统层次结构2.1 计算机系统组成2.1.1 硬件的基本组成2.1.2 软件系统2. 2 CPU及其工作过程2.2.1 运算器2.2.2 控制器2.2.3 计算机的工作过程2.2.4 计算机系统层次结构2.2.5 存储器3 计算机性能指标3.1 容量…

Google 与 GitHub 结盟,为保护软件供应链而战!

出品:CSDN(ID:CSDNnews)整理:章雨铭 责编:屠敏4月7日,据谷歌透露,它一直在跟GitHub合作,创建一种防伪方法,用于签署源代码,解决像影响Solar…

5 计算机组成原理第四章 指令系统

文章目录1 指令格式1.1 指令定义1.2 指令格式1.3 指令格式-地址码1.4 指令格式-操作码1.5 操作码分类1.6 操作类型2 数据存放指令寻址2.1 数据存放方式2.2 指令寻址2.3 操作数类型2.4 数据寻址2.4.1立即寻址2.4.2 直接寻址2.4.3 间接寻址2.4.4 寄存器寻址2.4.5 寄存器间接寻址2…

【Brain】脑智前沿科普|用数学解释大脑学习的过程

来源:脑与心智毕生发展研究中心原文作者:Kate Nussenbaum,Alexandra O. Cohen原文编辑:David Sheinberg小小评阅人:Brown University Pre-College Stem I Program中文翻译版权:脑与心智毕生发展研究中心中文…

6 计算机组成原理第五章 中央处理器 CPU功能和结构 指令执行过程

文章目录1 CPU功能和基本结构1.1 CPU的功能1.2 运算器的基本结构1.3 控制器的基本结构1.4 CPU基本结构1.5 CPU的功能和基本结构小结2 指令周期和数据流2.1 指令执行过程2.2 指令周期流程2.3 指令周期的数据流-取指周期2.4 指令周期的数据流-间址周期2.5 指令周期的数据流-执行周…

7 计算机组成原理第五章 中央处理器 数据通路

文章目录1 数据通路的功能和基本结构单总线1.1 数据通路的功能1.2 数据通路-基本结构单总线2 数据通路-CPU内部单总线方式2.1 三种结构之间数据传送方式2.2 CPU内部单总线方式-例题3 专用通路3.1 专用数据通路方式3.2 专用数据通路方式-例题1 数据通路的功能和基本结构单总线 …

新研究表明 深层神经网络的功能存在局限性

GETTY IMAGES/IEEE SPECTRUM来源:IEEE电气电子工程师深度神经网络越来越有助于设计微芯片,预测蛋白质如何折叠,并在复杂游戏中胜过人们。然而,研究人员现在发现,这些人工智能系统的稳定性和准确度在理论上存在根本的限…

8 计算机组成原理第五章 中央处理器 控制器 硬布线控制器 微程序控制器

文章目录1 控制器的功能和工作原理1.1 控制器的结构和功能1.2 控制单元的输入和输出1.2.1 控制单元输入1.2.2 控制单元输出2 硬布线控制器2.1 CPU的控制方式2.2 安排微操作时序的原则(最短时间完成,参考)2.2.1 安排微操作时序-取指周期2.2.2 …

从特斯拉AI团队学到的九条方法论

来源:AI前线作者:Gary Chan译者:Sambodhi策划:李冬梅尽管 OpenAI 以其在自然语言处理上的成就而著称,而 DeepMind 则以强化学习和决策而闻名,特斯拉(Tesla)无疑是计算机视觉领域最有…

9 计算机组成原理第五章 中央处理器 指令流水线

文章目录1 指令流水线基本概念性能指标1.1 指令流水的定义1.1.1 指令分法1.1.2 指令执行时间1.2 流水线的表示方法1.3 流水线的性能指标2 指令流水线影响因素分类2.1 机器周期的设置2.2 影响流水线的因素2.2.1 数据相关(数据冲突)三种类型2.2.2 流水线影…

【赛迪智库】美国允许自动驾驶汽车取消方向盘对我国L4级自动驾驶的影响

来源:赛迪智库日前,美国国家公路交通安全管理局(NHTSA)发布了最终版的《无人驾驶汽车乘客保护规定》,其中对于由自动驾驶系统操作的车辆将不被要求配备传统方向盘等手动控制装置。新规有望促进美国L4级自动驾驶汽车商业…

10 计算机组成原理第六章 总线 总线的概念与分类 总线性能指标 总线仲裁 总线操作和定时 总线标准

文章目录1 总线的概念与分类1.1总线的定义1.2 总线的特点1.3 总线的特性1.4 总线的分类1.4.1 串行总线与并行总线1.4.2 按总线功能分类1.5 系统总线的结构1.6 总线概念与分类小结2 总线的性能指标2.1 性能指标分析2.2 总线性能指标小结3 总线仲裁3.1 总线仲裁的基本概念3.2 集中…

远程操控大脑?科学家成功利用近红外线控制老鼠的行为

GETTY IMAGES来源: IEEE电气电子工程师近日,科学家首次发明了一种非侵入性的方法来控制大脑回路——大脑中的神经元群,它们共同执行一项特定任务,成功完成了让实验室动物从远处自由移动。这项将近红外光射入大脑的新技术&#xff…

3 计算机组成原理第三章 存储系统 主存简单模型及寻址 半导体寄存器 存储器分类 主存与CPU连接 双口RAM和多模块寄存器

文章目录1 主存简单模型及寻址的概念1.1 主存储器1.1.1 存储器芯片的基本结构1.1.2 寻址2 半导体存储器2.1 半导体随机存取存储器2.1.1 DRAM的刷新2.1.2 SRAM的读周期2.1.3 SRAM的写周期2.1.4 RAM-易失性存储器2.2 ROM2.2.1 ROM分类2.2.2 半导体随机存储器小结3 存储器分类3.1 …

GPT-4 即将亮相?聊聊目前已知的一切

来源:AI 前线作者:Alberto RomeroGPT-3 首度亮相于大约两年之前的 2020 年 5 月,当时正值 GPT-2 发布的一年之后。而 GPT-2 距离最初 GPT 研究论文的发表也是相隔一年。如果这种周期性趋势继续保持不变,那 GPT-4 肯定也快跟大家见…

全职加入清华,丘成桐:为祖国、为全球数学界培养数学人才

王希勤校长为丘先生颁发聘书(照片来源:清华大学)来源:数据实战派4 月 20 日,清华大学宣布,“菲尔兹奖”首位华人得主丘成桐从哈佛大学退休,受聘清华大学讲席教授,将全职任教清华。清…

11 计算机组成原理第七章 输入/输出系统 I/O系统基本概念 外部设备

文章目录1 I/O系统基本概念1.1 I/O系统演变过程1.2 I/O系统基本组成1.3 I/O方式简介1.4 I/O系统基本概念小结2 外部设备1-输入设备 输出设备2.1 外部设备2.2 输入设备2.3 输出设备2.3.1 显示器2.3.2 打印机2.4 输出设备小结3 外部设备2-外存储器3.1 外存储器3.2 磁盘存储器3.2.…

重庆大学刘礼:因果学习与应用

来源:AI科技评论作者:刘礼编辑:维克多因果学习作为人工智能领域研究热点之一,其研究进展与成果也引发了众多关注。4月9日,在AI TIME青年科学家——AI 2000学者专场论坛上,重庆大学大数据与软件学院教授刘礼…