研究突破与成果 - 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[1] - PackingStar在25维至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[2] - 在13维发现优于自1971年以来所有有理构造的新结构 并在多个维度发现6000余个新构型 这些由AI生成的构型数学多样性极为丰富 包含数学家从未想到过的构造方式[2] 研究方法论 - 研究团队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[1] - 与过去仅修补个别维度构型的方法不同 PackingStar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[2] - 研究团队表示 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[2] 系统性能与协作模式 - 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[1] - 研究过程中逐步形成稳定的人机协作模式 通过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[3] - 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[3] 行业影响与评价 - 相关成果获得麻省理工学院教授 离散几何领域权威亨利·科恩的高度评价[2] - 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 该研究意味着数学研究正呈现新的探索路径[3]