来源:数学中国

物理学是一门包含许多方程式的学科,这些方程描述了从微观世界粒子的行为到宏观宇宙的演化。在所有的物理方程中,有一组在数学上被认为极具挑战性,还被克莱数学研究所列为七个“千禧年大奖问题”之一,它们就是用来描述流体如何流动的纳维叶-斯托克斯方程(简称NS方程)。

图片来源:Quanta Magazine

在《对一个“世纪难题”的重新思考》一文中,提到了关于NS方程的一些重要研究进展。如果说能从新的研究中得到什么启示的话,那就是这一问题比预想中的还要困难。水流通过软管,是我们熟悉的不能再熟悉的现象,然而为什么描述这类现象的方程在数学上比理解爱因斯坦场方程还要困难?

这其中的原因,便是湍流。湍流是指一个有序流动的流体(液体或气体)变化成看似不可预知的漩涡,例如香烟头升起的一缕青烟在空气中扩散开来,河流绕着石头,以及牛奶和咖啡的混合,生活中有许多熟悉的现象都与湍流有关。然而,熟悉并没能孕育出知识,毫不夸张地说:湍流是物理世界中最难以理解的部分之一。

对量子力学做出巨大贡献的物理学家维尔纳·海森堡(Werner Heisenberg)曾经说过:“当我见到上帝时,我想问他两个问题:为什么会有相对论?为什么会有湍流?我相信他一定会有第一个问题的答案。” 这个故事虽然很可能是杜撰的,却描述了大多数科学家对湍流的感觉。

一个非湍流的例子是一条平稳的河流,这条河流的每一部分都以相同的速率向相同的方向运动。湍流就是这条河的断裂,它让不同部分的河流以不同的速度向不同方向运动。物理学家首先将湍流的形成描述为是平稳流动的涡流,然后是在该涡流中形成的小涡流,再是小涡流中形成的更细微的涡流,一直分化,从而使得流体分裂成许多离散的部分,相互作用、各自移动。

图片来源:Lucy Reading-Ikkanda/Quanta Magazine

科研人员想要了解的是一个平稳的流动是如何分解成湍流的,以及如何模拟已产生湍流的流体在之后的形状演变。但千禧年大奖要求数学家解决的是更为谨慎且基础的问题:证明方程的解永远存在。换句话说,就是要探寻方程是否能从任何起始条件开始,对任意流体进行无限的描述。

普林斯顿大学的数学家 Charlie Fefferman 说:“第一步就是要试图证明这些方程可以产生一些解。虽然这并不能让我们真正理解流体的行为,但如果没有这一步,我们就什么都不知道。”

那么你如何证明解的存在?其实可以反过来,从思考什么能使方程解不存在开始。正如在上文中所说,NS方程涉及到的是对流体中的压力、摩擦力和速度这些量的变化。

数学家担心这种情况的出现:我们正在运行这些方程,在一段时间过后,方程出现一个正以无限快的速度移动的粒子。这就导致问题来了,因为我们无法计算出一个无限值的变化(换言之,我们无法对无穷大的值进行求导)。数学家把这种情况称为“爆炸”(blowup),在爆炸的情况下,方程失效,解也不复存在。

证明爆炸没有发生(且解决方案总是存在)等同于证明流体内的任意粒子的最大速度,需维持在有限的数量以下。其中在流体中最重要的量是动能。

当我们使用NS方程对流体进行建模时,流体会具有一定的初始能量。但是在一个湍流的流动中,这些能量可以发生集中——即动能不是均匀分布在河流上,而是可以在任意小的涡流中聚集,而理论上,那些在涡流中的粒子可以加速到无限快的速度。

数学家 Vlad Vicol 表示:“随着我们的研究进入越来越小的尺度时,动能对解的控制作用会越来越小。我的解可以做任何想做的事情,但我也不知该如何去控制它。”

数学家们根据能在无限小的尺度上失效的程度来对像NS这样的偏微分方程进行分类,NS方程就处于所有类型的极端。这个方程的数学难度在某种意义上是它们应该描述的湍流复杂性的一个精确反映。

Vicol 说:“当对某一点进行放大时,从数学的角度来看,就会失去与解相关的信息。但湍流所描述的正是如此——动能从大的尺度向越来越小的尺度转移,所以它需要去放大。”

图片来源:Quanta Magazine

每当我们从数学角度谈论物理方程时,很自然的就会想要知道:这些会改变我们对物理世界的看法吗?经过近200年的实验,我们可以清楚地看出这些方程是有效的:由NS方程预测的流动与实验中观察到的流动总是相符的。如果你是一个实验物理学家,或许这样的一致性就已经足够了。但数学家想要知道的不仅仅是这些——他们想要知道我们是否可以一直遵循这些方程,准确地看到对有着任意初始配置的流体是如何发生瞬时变化的,甚至能精确定位湍流的开始。

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

【物理方程】物理学中最难的方程之一,你知道多少?相关推荐

  1. matlab可视化大学物理学_传输矩阵法在大学物理波动光学教学中的应用

    1 提出问题 在现代光学技术中,从基本的光学元件增反膜和增透膜[1],到超快光路中用来补偿飞秒激光色散的啁啾镜,以及半导体微腔领域中广泛使用的分布式布拉格反射器(DBR)[2],这些光学元件基本的特征 ...

  2. 冷原子量子计算机,量子计算新突破:在71个格点超冷原子量子模拟器中求解施温格方程...

    原标题:量子计算新突破:在71个格点超冷原子量子模拟器中求解施温格方程 来源:中国科学报 北京时间11月19日,<自然>杂志发表了中国科学技术大学教授潘建伟.苑震生等最新研究进展,在71个 ...

  3. 编程模拟飞船加速变轨过程-物理基础篇(5) 摄动方程

    编程模拟飞船加速变轨过程物理基础篇(5) 摄动方程 根据前面的内容,我们已经能够做到当已知某时刻位矢和速度时,求出轨道形状了.但是,这些都是在只受中心引力的前提下求得的.本篇在原作中是讲其他微小力(稀 ...

  4. 变分法中的欧拉方程的细致讲解详细推导

    文章目录 前言 0.泛函的概念 1.变分学基本引理 引理内容 引理的理解与说明 2.单方程单变量欧拉方程 2.1.单方程单变量一次的欧拉方程的证明 定理内容 定理的理解与证明 2.2.单方程单变量高次 ...

  5. python代码物理_利用python求解物理学中的双弹簧质能系统详解

    前言 本文主要给大家介绍了关于利用python求解物理学中双弹簧质能系统的相关内容,分享出来供大家参考学习,下面话不多说了,来一起看看详细的介绍吧. 物理的模型如下: 在这个系统里有两个物体,它们的质 ...

  6. 应力偏张量的物理意义_物理学中张量的由来

    本文使用 Zhihu On VSCode 创作并发布 要从物理学的角度说清楚张量是怎么来的,一切都要从相对论开始说起. 狭义相对论其实只是在阐明一件事情:任何4-矢量: (比如4-速度.4-动量.4- ...

  7. 如何用matlab画旋转面,基于MATLAB在旋转面及其方程教学中应用的教学设计

    汝强 [摘 要]在空间解析几何教学中,MATLAB不仅能将复杂的空间曲面方程精准.直观地用三维图形表现出来,还能以动画的形式将空间复杂曲面任意旋转,使学生能直观地.全方位地观察.理解空间曲面方程所表示 ...

  8. 计算机在物理学中应用论文3000字,大学物理论文3000字

    摘要:案例教学是如今较为新颖的一种教学方式,突破了传统教学模式的不足,有利于促进师生之间的交流和互动,推动理论知识向实践技能的转换,因而在教学领域有着广泛的应用.文章结合<大学物理>教学实 ...

  9. 状态空间方程离散化中的参数矩阵计算问题

    状态空间方程离散化中的参数矩阵计算问题 首先状态空间方程 x˙=Ax+Bu\dot{x}=Ax+Bux˙=Ax+Bu 离散化后 x(k+1)=Gx(k)+Hu(k)x(k+1)=Gx(k)+Hu(k) ...

最新文章

  1. MyEclipse中JavaMail冲突问题
  2. * 图形例子,函数实现体会地址传递
  3. InstallShield 2012 Spring新功能试用(17): Suite/Advanced UI 和 Advanced UI安装程序支持命令行Log参数...
  4. 一维条形码***技术(Badbarcode)
  5. 单例模式的七种实现方法(java版)
  6. 【转】GitHub 从单机到联机:玩转 Pull Request
  7. 计算机系统的物质实体,计算机基础-(-第1次-).pdf
  8. count数据库优化oracle,迷惑性SQL性能问题排查与优化
  9. CursorLoader的进级实践
  10. Python画数码晶体管日期(年月日时分秒)
  11. openmp 第一次运行时间比较长_Android App 启动时间优化
  12. matlab如何电路分析方法,MATLAB在电路分析中的应用_李继林
  13. Blumind 思维图软件
  14. 7-2 秋天的第一杯奶茶 (5 分)
  15. 如何提高FPGA的运行速度
  16. Python Spark RDD
  17. IT技术人员的六大方向
  18. 2021-04-1 芯片74LS161使用总结
  19. 时序逻辑电路实践练习1
  20. 下载PHYSICAL REVIEW JOURNALS的TEX模板

热门文章

  1. OpenAI开源机器人模拟Python库mujoco-py:可高效处理并行模拟
  2. Master 横扫围棋各路高手,是时候全面研究通用人工智能了!
  3. 理解神经网络,从简单的例子开始(1)7行python代码构建神经网络
  4. 研究揭秘:神经网络越大、表现越好的“神秘力量”
  5. 公开可看:CS224N 2021冬季课程全部上线YouTube,Manning主讲
  6. 近期活动盘点:智进未来:AI在医疗健康领域的应用、挑战及发展趋势
  7. 专访 | 社科学院和美术学院毕业生与大数据的故事【第一届数据故事计划】
  8. 13张动图助你彻底看懂马尔科夫链、PCA和条件概率!
  9. Python进阶最新中文版,开源!
  10. matlab肌电信号平滑滤波_BCIduino 滤波和频谱计算操作