不稳定流动的 AI 模型表现出幻觉现象
流体动力学
2026-04-23 v1 人工智能
机器学习
斑图形成与孤子
摘要
我们首次系统性地报告了流体动力学 AI 模型中存在幻觉的证据，并在被称为粘性指进的水动力不稳定输运这一经典问题中进行了展示。由于快速演化的多尺度指进模式难以精确解析，基于 AI 的不稳定流动建模仍然充满挑战。我们识别出一些在视觉上看似逼真但在物理上不可信的解，这类似于大语言模型中的幻觉。这些幻觉表现为违反守恒定律的虚假流体界面和反向扩散。我们表明，其根源在于 AI 模型的谱偏差，这种偏差在高流速和高粘度比下占据主导。基于这一认识，我们引入了 DeepFingers，这是一个用于 AI 驱动流体动力学的新框架，它通过结合傅里叶神经算子和深度算子网络来预测粘性指进的时空演化，从而在空间模态的全频谱上强制实现均衡学习。通过同时以时间和粘度比为条件，DeepFingers 学习了跨不同工况的连续浓度场之间的映射。该框架能准确捕捉指尖分裂、指进合并和通道形成，同时保持混合的全局度量。这些结果为研究物理系统 AI 模型的基本局限性开辟了一个新的研究方向。
引用
@article{arxiv.2604.20372,
title = {AI models of unstable flow exhibit hallucination},
author = {Ramdhan Wibawa and Birendra Jha},
journal= {arXiv preprint arXiv:2604.20372},
year = {2026}
}