中国AI系统PackingStar突破300年亲吻数难题，刷新多维度世界纪录，引领AI for Science 2.0
内容评分
摘要
中国上智院、北京大学、复旦大学联合团队推出强化学习系统PackingStar，一举突破困扰数学界300多年的高维亲吻数难题。该系统首次将高维几何问题转化为AI擅长的多智能体博弈，通过余弦矩阵表示和填充-修剪机制，刷新了25-31维连续7个维度的世界纪录，并发现大量反直觉的非对称构型。此成果标志着AI for Science从数据驱动迈向自主探索的2.0时代，展现了AI在无先验知识下解决复杂数学问题的强大潜力。工程层面，自研CUDA算子和自动Checkpointing系统为大规模、长周期计算提供了坚实保障，确保了科学发现的效率与稳定性。
正文
中国上海科学智能研究院（上智院）联合北京大学、复旦大学团队，在情人节之际发布了一项重大AI突破：其研发的强化学习系统PackingStar，成功解决了困扰数学界300多年的高维亲吻数（Kissing Number Problem）难题，并一口气刷新了25-31连续7个维度的世界纪录，同时在其他多个维度和广义亲吻数问题上也取得了显著进展。
亲吻数问题源于1694年牛顿与格雷戈里的争论，旨在研究n维空间中一个球体周围最多能有多少个相同大小的球体与它相切。该问题与通信技术中的“比特拥挤”等底层逻辑相通，其高维解法对人类直觉而言极具挑战性，过去近50年仅有7次实质性进展，且方法难以迁移复用。
PackingStar系统的核心创新在于将高维几何难题转化为AI擅长的多博弈。团队首次将所有操作在余弦矩阵上完成，该表示法天然适配大规模GPU并行计算。系统包含两个：一个“填充”负责寻找可能的排列组合，另一个“修剪”进行几何分析并剔除次优排列。通过“填充—修剪—解构出‘碎片’—再填充”的协同机制，PackingStar大幅降低了高维探索难度。
令人惊讶的是，PackingStar发现的诸多破纪录结构均为明显反人类直觉的“非对称”构型，打破了长期以来数学家对对称型构造的依赖。例如，在12维三球亲吻数问题中，系统找到了一个对称群阶数高达311040的81球结构，并能通过此结构组合出20维405球和21维567球的新纪录。这些成果获得了离散几何大牛Henry Cohn教授的高度评价，并被收录到其维护的权威榜单中。
此次突破的背后，是上智院“AI—科学—工程”三位一体的强大支撑。项目依赖于“星河启智科学智能开放平台”的工程力，通过自研底层CUDA算子，将核心计算链路的端到端吞吐效率提升数倍。同时，高鲁棒自动Checkpointing系统确保了千卡级GPU长周期任务的稳定性和数据零丢失，以工程的确定性对冲科学发现的不确定性。
PackingStar的意义远超刷新纪录，它标志着AI for Science进入2.0时代。不同于AlphaFold等1.0阶段依赖海量已知数据和标准答案，PackingStar在“零数据、零先验”的真空地带，通过多强化学习自主探索并发现新的数学结构，从而启发科学家进一步研究。这解决了“人类都没明确问题边界时，AI能否自己开路”的挑战，是AI for Math领域的开创性成果，展现了人机协作在科学探索中的新范式。