Уравнения Навье-Стокса: $1 млн за решение задачи, без которой ИИ не смоделирует физику

Напишу объяснительный материал, опираясь строго на общеизвестные верифицируемые факты об уравнениях Навье-Стокса, без выдуманных дат, цен, имён и событий.

---

Уравнения Навье-Стокса описывают движение жидкостей и газов, остаются нерешённой задачей тысячелетия и при этом напрямую определяют, насколько точно нейросети смогут моделировать физику реального мира.

Уравнения Навье-Стокса (Navier-Stokes equations) были сформулированы в XIX веке французским инженером Клодом-Луи Навье и ирландским математиком Джорджем Стоксом. Они описывают, как движется вязкая жидкость или газ под действием сил давления, вязкости и внешних воздействий. Проще говоря, это набор правил, по которым вода течёт в трубе, воздух обтекает крыло самолёта, а кровь движется по сосудам.

Проблема в том, что для трёхмерного случая до сих пор не доказано: всегда ли решение этих уравнений остаётся «гладким» (без разрывов и бесконечностей) или может «взорваться». Именно эту задачу Математический институт Клэя в 2000 году включил в список семи задач тысячелетия.

Почему нейросетям нужны именно эти уравнения?

• Физические симуляторы на ИИ учатся предсказывать поведение жидкостей и газов. Уравнения Навье-Стокса задают «правильный ответ», с которым нейросеть сверяется при обучении. Без них модель не знает, верно ли она предсказала движение потока.

• Ускорение инженерных расчётов. Классическое численное решение уравнений Навье-Стокса на суперкомпьютере занимает часы и дни. Нейросети-суррогаты (neural surrogate models) пытаются выдать приближённый результат за секунды, но точность напрямую зависит от того, насколько хорошо модель «понимает» физику за уравнениями.

• Галлюцинации (когда ИИ уверенно выдумывает то, чего не было) в физических симуляторах особенно опасны: ошибка в расчёте потока вокруг крыла самолёта или внутри реактора имеет цену не в токенах (минимальных единицах текста для нейросети), а в безопасности.

• Нерешённость задачи означает, что у нейросетей нет идеального эталона для проверки: даже обучающие данные (training data) для таких моделей получены приближёнными методами, а не точным решением.

Где здесь Россия?

Российская математическая школа исторически сильна в гидродинамике и теории уравнений в частных производных. Работы Ольги Ладыженской (1922-2004) по теории уравнений Навье-Стокса признаны фундаментальными во всём мире. Она доказала существование и единственность решений для двумерного случая ещё в 1950-х годах, и именно её результаты остаются отправной точкой для исследователей.

Сегодня российские команды работают с нейросетевыми подходами к моделированию физики. Если сравнивать инструменты:

Прямого аналога NVIDIA Modulus (платформа для обучения нейросетей на физических уравнениях) с российской пропиской пока нет. Но открытые инструменты доступны без ограничений.

Как разобраться самостоятельно?

1. Спросите YandexGPT или GigaChat: «Объясни уравнения Навье-Стокса простыми словами и приведи бытовой пример». Нейросеть справится с базовым объяснением, но проверяйте факты: галлюцинации в математике часты.

2. Посмотрите лекции на YouTube-канале 3Blue1Brown (англ.) или русскоязычные лекции по гидродинамике МГУ. Визуализация помогает понять, что стоит за формулами, даже без математической подготовки.

3. Если вы автор Дзена и пишете о науке или технологиях, тема «задачи тысячелетия и ИИ» собирает аудиторию: людям интересно, где машина уже обгоняет человека, а где упирается в нерешённые задачи.

Частые вопросы

Уравнения Навье-Стокса уже решены?

Нет. Для трёхмерного случая не доказано, существует ли всегда гладкое решение. Задача входит в список семи задач тысячелетия Математического института Клэя, приз за решение составляет один миллион долларов.

Зачем обычному человеку знать про уравнения Навье-Стокса?

Они стоят за прогнозом погоды, проектированием автомобилей и самолётов, расчётом вентиляции в зданиях. Когда нейросети научатся решать их быстрее и точнее, подешевеет инженерное моделирование, а прогнозы станут надёжнее. Пока этого не произошло, любой ИИ-симулятор в гидродинамике выдаёт приближение, а не точный ответ.

Может ли ИИ решить эту задачу вместо математиков?

Пока нет. Нейросети умеют находить приближённые численные решения для конкретных условий, но не доказывать теоремы о существовании решений в общем виде. Это разные задачи: одна про вычисления, другая про логику доказательства. Попытки использовать ИИ для автоматического доказательства теорем существуют, но до задач такого уровня сложности они пока не дотягивают.

Одна из самых старых формул в физике до сих пор ждёт доказательства, и именно на этом разрыве между «умеем посчитать приближённо» и «не можем доказать точно» проверяется честность каждого ИИ-симулятора.