
Sign up to save your podcasts
Or


L’intelligenza artificiale può davvero aiutare a risolvere uno dei problemi più difficili della fisica e della matematica moderna? In questo video analizziamo la scoperta annunciata da Google DeepMind, che utilizza l’AI e le reti neurali per esplorare nuove soluzioni delle equazioni di Navier-Stokes, il cuore della fluidodinamica e uno dei celebri Problemi del Millennio da un milione di dollari.Vedremo cosa sono le equazioni di Navier-Stokes, perché descrivere la turbolenza dei fluidi è così complesso, cosa sono le singolarità matematiche e perché rappresentano un limite fondamentale dei modelli fisici. Spiegheremo poi come DeepMind ha usato le Physics-Informed Neural Networks (PINNs) per individuare nuove famiglie di soluzioni instabili, aprendo un nuovo approccio alla ricerca scientifica.Questa scoperta non risolve il Problema del Millennio, ma segna un punto di svolta nel rapporto tra intelligenza artificiale, fisica e matematica, con implicazioni enormi per aerodinamica, clima, ingegneria e scienza fondamentale.📚 IL MIO PRIMO LIBRO "Come vivremo nello spazio" https://amzn.eu/d/3iekFnV__________________👨🏻🏫 La mia SPACE ACADEMYhttps://exodusofficial.it/🎁 SCARICA le mie GUIDE GRATUITEhttps://astroviktor.it/🤫 Il canale TELEGRAM SEGRETOhttps://t.me/+VvrBn-ZcK4T15I1K👉🏻 SEGUIMI anche su INSTAGRAM @astroviktor_https://www.instagram.com/astroviktor_/____________________🎥 Editing e post produzione: Emanuele Colognese Portfolio https://www.emc2mediaprod.comInstagram di Ema https://www.instagram.com/emanuele.filmmaker/#googledeepmind #millenniumprize #navierstokes #equazioni #fluidodinamica00:00 L’AI contro uno dei problemi più difficili della fisica01:37 Cosa sono le equazioni di Navier-Stokes04:48 Perché la turbolenza è così difficile da descrivere09:29 Il Problema del Millennio e le singolarità12:20 La scoperta di Google DeepMind14:27 Le reti neurali informate dalla fisica (PINNs)17:29 Cosa significa davvero questa scoperta (e cosa NO)
By Vittorio BaraldiL’intelligenza artificiale può davvero aiutare a risolvere uno dei problemi più difficili della fisica e della matematica moderna? In questo video analizziamo la scoperta annunciata da Google DeepMind, che utilizza l’AI e le reti neurali per esplorare nuove soluzioni delle equazioni di Navier-Stokes, il cuore della fluidodinamica e uno dei celebri Problemi del Millennio da un milione di dollari.Vedremo cosa sono le equazioni di Navier-Stokes, perché descrivere la turbolenza dei fluidi è così complesso, cosa sono le singolarità matematiche e perché rappresentano un limite fondamentale dei modelli fisici. Spiegheremo poi come DeepMind ha usato le Physics-Informed Neural Networks (PINNs) per individuare nuove famiglie di soluzioni instabili, aprendo un nuovo approccio alla ricerca scientifica.Questa scoperta non risolve il Problema del Millennio, ma segna un punto di svolta nel rapporto tra intelligenza artificiale, fisica e matematica, con implicazioni enormi per aerodinamica, clima, ingegneria e scienza fondamentale.📚 IL MIO PRIMO LIBRO "Come vivremo nello spazio" https://amzn.eu/d/3iekFnV__________________👨🏻🏫 La mia SPACE ACADEMYhttps://exodusofficial.it/🎁 SCARICA le mie GUIDE GRATUITEhttps://astroviktor.it/🤫 Il canale TELEGRAM SEGRETOhttps://t.me/+VvrBn-ZcK4T15I1K👉🏻 SEGUIMI anche su INSTAGRAM @astroviktor_https://www.instagram.com/astroviktor_/____________________🎥 Editing e post produzione: Emanuele Colognese Portfolio https://www.emc2mediaprod.comInstagram di Ema https://www.instagram.com/emanuele.filmmaker/#googledeepmind #millenniumprize #navierstokes #equazioni #fluidodinamica00:00 L’AI contro uno dei problemi più difficili della fisica01:37 Cosa sono le equazioni di Navier-Stokes04:48 Perché la turbolenza è così difficile da descrivere09:29 Il Problema del Millennio e le singolarità12:20 La scoperta di Google DeepMind14:27 Le reti neurali informate dalla fisica (PINNs)17:29 Cosa significa davvero questa scoperta (e cosa NO)

14 Listeners

199 Listeners

71 Listeners

7 Listeners

91 Listeners

15 Listeners

57 Listeners

76 Listeners

47 Listeners

12 Listeners

6 Listeners

18 Listeners

4 Listeners

0 Listeners