中国研究团队研发AI系统性突破三百多年前的数学难题

牛顿(Isaac Newton)和格雷戈里(David Gregory)于1694年提出的“亲吻数问题”迎来系统性突破。记者14日获悉，上海科学智能研究院(下称“上智院”)联合北京大学、复旦大学组成研究团队，设计多智能体强化学习系统PackingStar，在多个维度刷新亲吻数与广义亲吻数纪录，实现数学结构领域罕见的多维度、系统性突破。

　　逾330年前，牛顿和格雷戈里在剑桥提出一个问题：在一颗中心球周围，最多能紧贴放置多少颗相同的球？这就是三维空间的“亲吻数问题”(Kissing Number Problem, KNP)。当维度升高，问题便进入“无人区”。

　　据悉，中国的研究团队设计强化学习系统PackingStar，将亲吻数的高维堆积问题转化为余弦矩阵填充问题，在多智能体协作框架下探索远超人类直觉的复杂空间。据悉，PackingStar项目通过系统性的工程优化，使计算效率显著提升，同时构建稳定的容错机制，为大规模、长周期计算提供可靠支撑。

　　PackingStar实现跨维度连续突破：在25维-31维刷新人类已知最佳结构；打破14维与17维长期保持的“两球亲吻数”纪录以及12维、20维、21维“三球亲吻数”纪录；在13维发现优于1971年以来所有有理构造的新结构。他们还在多个维度发现6000余个新构型。这些由AI生成的结构，数学多样性极为丰富，包含着数学家从未想到过的构造方式。中国学者们的相关成果获得麻省理工学院教授、离散几何领域权威亨利·科恩(Henry Cohn)的高度评价。

　　据了解，这不是AI第一次尝试破解亲吻数问题，但是在过去几年中，只有一次突破，即：DeepMind的AlphaEvolve通过修补11维构型，将最优值从592提到了593，但其生成的构型较为混乱，缺乏内在的数学结构。相比之下，PackingStar不再局限于个别维度优化、基于已有几何构造做简单拓展，而是选择重新定义问题本身，将高维几何难题转化为AI模型所擅长的代数计算问题，形成可跨维度迁移的探索路径。研究团队方面表示，这不是工具层面的替换，而是开创了全新的方法论，带来了AI for Math范式的一次前移。

　　在研究过程中，研究团队还逐步形成稳定的人机协作模式。上智院理事长、复旦大学校长助理吴力波表示，上智院为青年科学家搭建开放协作平台，将宏大的科学目标拆解为具体项目，由人工智能与科研人员协同推进，并以工程效率和系统稳定性对冲探索过程中的不确定性，使重大问题能够持续、有序推进。

　　三百多年前的科学问题，如今迎来新的推进方式，这意味着，在人工智能加速进入基础科学领域、驱动科研范式变革的背景下，数学研究正呈现新的探索路径。(中国新闻网）