1694年，，，，，牛顿和格雷戈里在剑桥提出一个问题：在一颗中心球周围，，，，，最多能紧贴安排几多颗相同的球？？？？？这就是三维空间的“亲吻数问题” 。。 。 。。
牛顿以为谜底是12，，，，，格雷戈里则以为可能是13，，，，，直到1953年，，，，，数学家才彻底证实了牛顿的推测 。。 。 。。传奇数学家保罗·埃尔德什曾言，，，，，离散几何或许就始于这场著名的“12对13”之争 。。 。 。。
当维度升高，，，，，问题迅速进入“无人区” 。。 。 。。已往50年，，，，，亲吻数结构仅有7次实质性希望，，，，，并且每次依赖完全差别的要领，，，，，作用于邻近维度，，，，，难以迁徙与复用 。。 。 。。
现在，，，，，上�？？？？？蒲е悄苎芯吭海ㄏ鲁粕现窃海┯氡本┐笱А⒏吹┐笱У耐沤嵫芯客哦由杓屏薖ackingStar强化学习系统，，，，，在12、13、14、17、20、21、25–31维等多个维度刷新亲吻数与广义亲吻数纪录，，，，，实现数学结构领域有数的多维系统性突破 。。 。 。。
这是一次纪录更新，，，，，亦是AI for Math范式的一次前移 。。 。 。。
两个智能体在高维空间的“亲吻”
若是要给PackingStar找一个比喻，，，，，那或许是：它不是简单模子完成的突破，，，，，而是两个智能体的共舞协作 。。 。 。。
研究团队将高维几何问题转化为余弦矩阵填充问题，，，，，并设计了一套多智能体强化学习架构：填充智能体（Player 1）像在棋盘上落子一样，，，，，它一直在矩阵中填入数值，，，，，相当于在高维空间里摆放球体，，，，，快速天生候选结构；；；； ；；修剪智能体（Player 2）认真几何剖析，，，，，识别不对理的填充，，，，，删去次优结构，，，，，再把问题交还给Player 1重新优化 。。 。 。。
一直试探，，，，，一直调解——这和同伴之间的默契很像：一个大胆实验，，，，，一个冷静校准；；；； ；；一个推进结构，，，，，一个压缩噪声 。。 。 。。
矩阵填充双人游戏
在“填充—修剪—解构—再填充”的循环迭代中，，，，，高维空间原本险些不可触达的搜索难度被逐步压缩 。。 。 。。重大几何问题，，，，，被转化为一场可以训练、可以优化的多智能体游戏 。。 。 。。
要害在于，，，，，问题被重新界说——重大几何，，，，，被转化为适合GPU并行盘算的代数使命 。。 。 。。这一转化，，，，，是PackingStar能够规�；；；； ；；黄频奶跫�，，，，，也是要领论的焦点立异 。。 。 。。
一场AI与Math的“亲吻”
效果层面，，，，，PackingStar实现的是多维度、成系统的纪录刷新：在25—31维一连刷新天下纪录；；；； ；；突破14维与17维“两球亲吻数”纪录；；；； ；；突破12维、20维、21维“三球亲吻数”纪录；；；； ；；在13维发明优于1971年以来所有有理结构的新构型；；；； ；；在多个维度中发明6000余个新结 。。 。 。。
这些效果获得MIT教授、离散几何领域权威亨利·科恩高度评价，，，，，并被收录至其维护的权威榜单 。。 。 。。
科恩在PackingStar发明的结构基础之上，，，，，自己又突破了两个维度的广义亲吻数纪录 。。 。 。。更主要的是，，，，，这些突破并非单点发明，，，，，而是泛起出系统性特征——在亲吻数问题的三百年历史中，，，，，这样的跨维度一连推进极为有数 。。 。 。。在PackingStar泛起之前，，，，，32维以下仅6次实质性刷新，，，，，并且每一次险些都是伶仃突破，，，，，依赖完全差别的数学技巧，，，，，难以迁徙 。。 。 。。而PackingStar在多个维度同步推进，，，，，展现出差别维度之间潜藏的结构关联，，，，，使构型不再相互关闭，，，，，而形成可迁徙、可较量、可演化的几何网络 。。 。 。。
AI在亲吻数问题上的突破
近年来，，，，，全球AI for Math领域一直取得希望 。。 。 。。相对而言，，，，，亲吻数问题具有更高难度特征 。。 。 。。它是三百年历史的经典难题，，，，，希望极端稀缺，，，，，险些无法通过反向合成数据举行训练，，，，，古板要领高度依赖全局对称结构 。。 。 。。PackingStar不但刷新了纪录，，，，，更首次实现了对非对称规则构型的系统性搜索与天生 。。 。 。。
PackingStar证实：AI可以加入“结构”，，，，，并在缺乏可学习样本的条件下形成可一连的探索路径——这，，，，，是AI for Math范式的一次前移 。。 。 。。
一场人类与机械的“亲吻”
菲尔兹奖得主威廉·瑟斯顿说过：“数学并不是关于数字、方程、盘算或算法的；；；； ；；它关乎的是明确 。。 。 。。”
在PackingStar的实践中，，，，，研究团队对这句话有了更深体会——科学智能的立异突破，，，，，并不是期待AI“突然显灵”，，，，，而是一小我私家机闭环：AI在重大空间中学习高速天生结构；；；； ；；人类明确AI效果，，，，，提出数学直觉，，，，，提炼理论逻辑 。。 。 。。
团队焦点成员、上智院AI科学家陶兆巍身世数学专业，，，，，在研究历程中经常与AI“较量” 。。 。 。。若是自己在某一步的判断优于AI，，，，，就实验把这种直觉转化为算法，，，，，再注入系统 。。 。 。。PackingStar中的Player 2，，，，，正是在这样的重复互动中降生——这不是替换关系，，，，，而是相互塑造 。。 。 。。
PackingStar团队的科研青年
而项目组长、上智院AI Math青年研究员、北京大学博士生马成栋则更多感受到另一种震撼 。。 。 。。当AI一直突破人类直觉的界线时，，，，，甚至连诠释都变得难题：“好比某些结构中没有一个球有对径球，，，，，但却坚持了极高的对称性 。。 。 。。它不但是逾越了人类可以结构的规模，，，，，有时间你甚至很难第一时间诠释它为什么建设 。。 。 。。”
这种体验，，，，，对研究团队来说既是挑战，，，，，也是推动力 。。 。 。。人类科学家的角色，，，，，也在转变——从单独推演与结构，，，，，转向与AI在数学的宇宙里协同明确、深度共进 。。 。 。。
栏目编辑：易蓉 题图泉源：海螺AI 图片泉源：采访工具供图
泉源：作者：新民晚报 郜阳<安徽黄山文旅集团有限公司/p>