核心观点 - 上海科学智能研究院联合北京大学、复旦大学研发的PackingStar强化学习系统，在亲吻数问题上取得跨维度的系统性突破，验证了AI参与高维数学结构系统性探索的新型人机协同研究路径 [1] 研究突破与成果 - PackingStar系统在12、13、14、17、20、21以及25至31维等多个维度刷新了亲吻数与广义亲吻数纪录，实现了跨维度、成体系的推进 [1] - 此次突破是AI在高维组合几何和编码理论中的首个系统性突破，在亲吻数问题三百年历史中，如此规模的跨维度连续推进极为罕见 [1] - 团队发现了多维度持平纪录的非对称构型，突破了传统对称构造思路 [5] 方法论与技术创新 - PackingStar重新定义了问题，将高维几何难题转化为代数计算，形成了跨维度迁移路径，克服了此前方法（如DeepMind的AlphaEvolve仅实现11维单点优化）难以普适的局限 [5] - 团队形成了稳定的人机协作模式：人类提出研究边界，AI高速构造搜索，人类验证抽象结果，使高维几何探索从单点尝试走向系统推进 [5] - 通过自研底层算子、优化GPU计算流程、建立自动Checkpoint机制，实现了千卡级任务断点续传，搜索速度提升数倍，累计节省超过10万GPU卡时 [5] 工程体系与平台支撑 - 研究院以开放平台拆解科学目标，以工程能力对冲探索不确定性 [5] - 上智院、复旦大学与无限光年联合研发的星河启智科学智能开放平台，已沉淀PackingStar的关键算子与方法，为新材料、药物发现等高维优化领域提供智算支撑 [5] 问题背景与意义 - 亲吻数问题源于1694年牛顿与格雷戈里的争论，是希尔伯特第十八问题的局部形式，关联格子理论、球面码等数学分支，并与卫星通信、量子编码、数据压缩等工程技术紧密相关 [1] - 高维空间中的亲吻数问题迅速进入研究“无人区”，过去50年该领域仅7次实质性进展，且方法难以迁移复用 [2] - 2022年，数学家玛丽娜·维亚佐夫斯卡因8维与24维球体堆积最优解证明获菲尔兹奖，凸显了该领域的重要性 [1]