Le Equazioni di Navier-Stokes rappresentano, da quasi due secoli, le fondamenta incrollabili su cui poggia la nostra comprensione del mondo fisico fluido. Che si tratti di progettare il profilo aerodinamico di un jet, di prevedere le correnti oceaniche che regolano il clima globale o semplicemente di comprendere come il latte si mescola nel caffè, queste formule matematiche sono la bussola che guida fisici e ingegneri.
Formulate nel XIX secolo da Claude-Louis Navier e George Gabriel Stokes, queste equazioni descrivono con eleganza il moto di sostanze viscose come l’acqua e l’aria. Tuttavia, dietro la loro apparente onnipotenza, si nasconde un mistero così profondo che il Clay Mathematics Institute ha messo in palio un premio di un milione di dollari per chiunque riesca a risolverlo: le equazioni funzionano sempre, o esistono situazioni limite in cui “esplodono”, perdendo ogni senso fisico?
Fino a poco tempo fa, la caccia a questi errori, noti come “singolarità”, era un compito quasi impossibile per la mente umana e incredibilmente arduo per i computer classici. Oggi, però, l‘ingresso dell’intelligenza artificiale nel campo della fisica matematica sta cambiando le regole del gioco.
Come le Equazioni di Navier-Stokes vengono messe alla prova dall’IA
Il cuore del problema risiede nella possibilità che le Equazioni di Navier-Stokes nascondano dei difetti strutturali invisibili nelle situazioni ordinarie. I matematici sospettano da tempo che, in condizioni estreme, le variabili descritte dalle equazioni (come la velocità del fluido o la vorticità) possano diventare infinite in un tempo finito. Questo fenomeno, chiamato “blowup” o esplosione, indicherebbe che la matematica sottostante fallisce nel descrivere la realtà.
Per decenni, la ricerca di queste singolarità si è scontrata con un muro: la maggior parte delle esplosioni ipotizzate erano “instabili”. Immaginate di dover bilanciare una penna sulla sua punta perfetta: è teoricamente possibile, ma il minimo soffio di vento (o nel caso del calcolo, il minimo errore di arrotondamento digitale) la farebbe cadere.
Le simulazioni tradizionali al computer, non avendo una precisione infinita, non riuscivano a catturare questi momenti effimeri. È qui che le Equazioni di Navier-Stokes hanno incontrato il loro nuovo sfidante: le Physics-Informed Neural Networks (PINN).
A differenza delle IA generative che creano immagini o testi basandosi su enormi dataset, queste reti neurali, sviluppate in collaborazione con Google DeepMind, non “imparano” da dati esterni. Vengono invece addestrate per risolvere direttamente le equazioni differenziali parziali.
I ricercatori, guidati da Tristan Buckmaster e Javier Gómez-Serrano, hanno utilizzato le PINN per cercare soluzioni “congelate” nel tempo. Invece di simulare l’evoluzione del fluido fotogramma per fotogramma (rischiando il crash del sistema all’avvicinarsi dell’infinito), l’IA cerca una configurazione che si auto-sostiene, permettendo di zoomare matematicamente sul punto di rottura senza dover gestire l’infinito numerico.
Grazie a questo approccio, il team ha identificato nuovi candidati per singolarità instabili in versioni semplificate delle equazioni dei fluidi (come le equazioni di Eulero e i modelli per mezzi porosi).
Hanno scoperto scenari in cui il fluido, se configurato con precisione chirurgica, collassa in un vortice di velocità infinita. Sebbene non abbiano ancora trovato la “pistola fumante” per le Equazioni di Navier-Stokes tridimensionali complete, la scoperta di singolarità instabili in modelli correlati è un passo avanti monumentale.
Le Equazioni di Navier-Stokes, con la loro complessità legata alla viscosità e alla dissipazione dell’energia, sono il prossimo obiettivo.
L’accuratezza raggiunta da questi sistemi è sbalorditiva: le reti neurali hanno migliorato la precisione delle soluzioni candidate di circa un miliardo di volte rispetto ai tentativi precedenti.
Questo livello di dettaglio è fondamentale, perché in matematica, per vincere il premio del millennio, non basta “vedere” un difetto al computer; bisogna dimostrarne rigorosamente l’esistenza.
Le soluzioni fornite dall’IA sono ora così precise da poter fungere da base per dimostrazioni formali assistite dal computer, trasformando le Equazioni di Navier-Stokes da un enigma astratto a un problema concretamente attaccabile.
Conclusioni
Siamo di fronte a una svolta epocale nella fisica matematica. L’intelligenza artificiale non sta solo calcolando più velocemente; sta permettendo ai ricercatori di esplorare angoli dello spazio matematico che erano preclusi all’intuizione umana e alla simulazione classica.
La caccia alle singolarità nelle Equazioni di Navier-Stokes è tutt’altro che conclusa: il passaggio da fluidi “in scatola” (con confini definiti) a fluidi in spazi aperti rimane una sfida titanica, definita da Diego Córdoba come “un animale completamente diverso”.
Tuttavia, la scoperta di queste nuove instabilità suggerisce che i difetti nel nostro modello matematico dei fluidi esistono davvero, nascosti in configurazioni delicate e precarie.
Se le Equazioni di Navier-Stokes dovessero cadere, o se al contrario venisse dimostrata la loro coerenza eterna grazie all’assistenza di queste macchine, avremmo comunque risolto uno dei più grandi misteri scientifici della storia. E forse, quel premio da un milione di dollari è oggi un po’ più vicino.
