2024年，人工智能的进步再次让人瞩目。Meta与巴黎理工学院的研究团队联合推出了一款名为SymbolicTransformer的AI工具，成功在132年的数学难题中找到新解。该项目聚焦于如何判断动力系统的稳定性，尤其是经典的三体问题。这一重大的突破，不仅展示了AI在数学领域的潜力，也引发了对于未来科技的深刻思考。
李雅普诺夫函数是分析动力系统稳定性的核心概念。早在1892年，俄国数学家Aleksandr Lyapunov首次提出该理论，但并未给出如何寻找李雅普诺夫函数的有效方法。这一概念一直以来都是数学界的顽疾，尽管数代科学家如牛顿、拉格朗日等曾对此进行深入研究，却始终无法找到通用的判定手段。直到最近，科技的迅速发展为解决这一难题带来了新的希望。
SymbolicTransformer的设计思路是将寻找李雅普诺夫函数转化为序列到序列的翻译任务，利用原本为机器翻译而设计的Transformer模型进行处理。研究团队通过8张V100显卡进行了100个GPU时长的训练，成果令人瞩目：在已解决的多项式系统中，该模型的准确率高达84%，远超人类专家的平均9%以及先前的最优算法。
该团队特别针对随机生成的新多项式系统，利用SymbolicTransformer成功找到了10.1%至11.8%的李雅普诺夫函数。而在此前的研究中，已有工具仅能找到0.7%至1.1%的李雅普诺夫函数。这一成果的成功源于团队精心构建的四个数据集：包括包含100万个反向生成的多项式系统与李雅普诺夫函数配对的BPoly，旨在突破常规算法的局限，寻找更为复杂系统的稳定性判定方法。
尽管SymbolicTransformer给出的是明确的符号表达式，但依然存在黑箱性的问题，缺乏数据始终是其最大障碍。为了克服这一限制，研究团队采用了正向与反向数据生成相结合的策略。通过构建包含李雅普诺夫函数与动力系统配对的数据集，该模型得以在各类系统中建立起更有效的函数搜索机制。
在最终的实验中，这一AI模型的效率和准确性和传统算法相比具有显著优势。以SOSTOOL为例，Python版本的平均求解时长高达935.2秒，而SymbolicTransformer在相同任务下仅需2.6秒，这一效率的提升令人瞩目。
此外，研究团队也对非多项式系统进行了探索，尽管存在更多挑战，但该模型依然展示了12.7%的李雅普诺夫函数发现率。由巴黎师范大学的Amaury Hayat教授主导的研究团队相信，AI的力量将为数学带来新的视野。
不可否认的是，这一研究的成功不仅是科学界的一次里程碑，也是AI与传统数学研究相结合的有力证明。越来越多的研究者开始意识到，AI不仅能够提升效率，更能够对传统的科学问题提供全新的解题思路。可以预见，未来数学模型的构建、系统的稳定性分析将与AI技术的应用密不可分。
随着这一领域的快速发展，越来越多的工具和平台开始涌现，AI技术的应用正在扩展到各个领域。无论是科学研究，还是工业应用，AI的前沿技术正在深刻改变我们的工作方式。
在我使用了数十家AI绘画、AI生文工具后，强烈推荐给大家以下这个工具——简单AI。简单AI是搜狐旗下的全能型AI创作助手，包括AI绘画、文生图、图生图、AI文案、AI头像、AI素材、AI设计等。可一键生成创意美图，3步写出爆款文章。网站提供生成创意美图、动漫头像、种草笔记、爆款标题、活动方案等多项AI创作功能。工具链接：
国漫女神、游戏美女随心爆改，一键定制你的专属AI动漫女神，点击立即生成→ 返回搜狐，查看更多
责任编辑：