我们的方法利用AI技术帮助数学家解决数学、物理和工程中的长期挑战。我们引入了一种新的数学奇点家族，首次系统性地发现了三种流体方程中的不稳定奇点，揭示了其潜在模式，这对理解流体动力学的基础问题至关重要。

ASAP系统的核心创新在于增量学习与Delta动力学模型，包含两大模块：1) PPO-DeltaA运动控制模块，支持双策略机制（主策略训练+参考策略冻结），通过增量动作策略优化仿真与现实的轨迹对齐；2)...

在温度预报方面，如下图所示，ACE2 仍保持大范围的有效预报能力，覆盖南美洲、非洲、澳大利亚及北美洲部分区域，其技巧分布规律与 MSLP 预报高度一致：北半球温带地区 ACE2 的面积加权平均相关系数为 0.41（GloSea 为 0.45），热带地区则为 0.68 与 0.77。而在降水预报上，两类模型的整体技巧均相对较低，如下图所示，ACE2 的技巧空间分布与...

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

研究人员提出了一种新方法，利用人工智能技术解决流体动力学中的挑战。他们发现了一类新的不稳定奇点，这对理解复杂的流体方程（如欧拉和纳维-斯托克斯方程）至关重要。这项研究结合了数学见解与先进的AI，标志着计算辅助数学研究的新纪元。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

机器之心数据服务现已上线，提供高效、稳定的数据获取服务，简化数据爬取流程。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

机器之心数据服务现已上线，提供高效稳定的数据获取服务，帮助用户轻松获取所需数据。

清华大学和人民大学的研究团队提出了UniSim，一个统一的生物分子时间粗化动力学模拟器。该方法通过去噪和力场混合预训练，能够高效模拟小分子、多肽和蛋白质的动态行为，提升了分子模拟的效率和准确性。UniSim在ICML 2025上发表，推动了深度学习在分子模拟领域的应用。

本研究提出了一种名为KO的神经网络优化器，基于动力学理论和偏微分方程模拟。KO通过粒子系统演化重新构思参数更新，增强参数多样性，有效减缓参数凝聚现象。实验结果显示，KO在图像和文本分类任务中的表现优于传统优化器，如Adam和SGD，准确率更高。