核心观点 - AI与数学交叉研究取得重大突破 联合研究团队通过AI系统PackingStar 在多个高维空间打破了人类已知的最佳亲吻数结构 该成果被离散几何领域知名数学家高度评价[1] - 这是AI与数学“双向奔赴”的高风险尝试 AI的进步降低了科研门槛 而研究机构以包容态度为青年研究员提供了信任和工程力支撑[1] 研究背景与意义 - 亲吻数问题是离散几何和编码理论的核心问题之一 其研究对应卫星通信、量子编码、数据压缩等工程领域将信号点均匀分布在多维球面上的实际需求[2] - 该问题与数论、代数、物理、组合学等多个数学分支深度关联 像一个连通多个数学世界的十字路口[2] - 过去50年 亲吻数构造仅有7次实质性进展 每次突破依赖不同数学技巧 难以形成可复制的研究路径[1] - 此前AI仅有过一次有限突破 DeepMind的AlphaEvolve将11维最优值从592提升至593 但其生成的构型混乱 缺乏内在数学结构 推动作用有限[2] 技术方法与突破 - 研究团队设计PackingStar强化学习系统 将高维堆积问题转化为余弦矩阵上的多智能体博弈学习问题 使AI能够探索远超人类直觉的复杂空间[1] - 该系统将复杂高维几何问题统一转化为高度契合GPU并行逻辑的代数问题 彻底释放AI模型的计算潜力 具体将“加球”问题重构为余弦矩阵的填充问题 并设计多智能体强化学习架构求解[3] - 在25-31维打破了人类已知的最佳亲吻数结构 同时打破了长期保持不变的14维与17维的“两球亲吻数”以及12维、20维与21维的“三球亲吻数”[1] - 依托星河启智科学智能开放平台 搜索效率提升2-3倍 累计节省超10万GPU卡时[3] 项目团队与机构 - 项目由上智院AIMath青年研究员、北京大学博士生马成栋于2024年发起 他希望挑战更小众、更高风险的问题[3] - 团队核心成员陶兆巍是上智院AI科学家 拥有数学背景并与深耕强化学习的马成栋形成互补[1][3] - 上海科学智能研究院（上智院）是一家成立于2023年、聚焦科学智能前沿的新型研发机构 科研人才既有大厂背景也有海归经历[4] - 上智院理事长吴力波表示 机构最大的竞争力是年轻人 机构鼓励青年科研人员独立探索 亲吻数项目由青年科学家担任独立PI发起推进 没有论资排辈[4][5] 影响与展望 - 该方法是AI与数学交叉研究的成功尝试 相关科学智算能力进一步沉淀在了星河启智平台上 将服务广大科学家、加速科学新发现[3] - 这套方法已沉淀为可复用的跨学科智能计算范式 许多曾经因算力门槛而被视为“不可计算”的科学难题 现在可以被系统化探索[3] - 团队成员认为 有了AI作为工具 更重要的是探究学术问题的主动性、审美品位和坚韧程度[4]