湍流
流体力学中描述流体在高雷诺数下出现多尺度涡旋、混沌混合运动的现象，具有强烈的非线性与多尺度特性，是经典物理未解难题之一。
时间轴 (近 90 天)
如果原始Navier-Stokes方程具备类似图灵机的通用计算能力，则不存在能完全约化湍流复杂度的通用降维坐标系。
湍流被称为流体力学中最难的问题，其根本困难源于多尺度特性。
湍流中尺度比可达Re^{3/4}量级，这是其多尺度特性的物理根源。
AI在湍流研究中的潜在贡献在于发现坐标变换，将复杂流动映射到简洁、可泛化的表示空间，而非单纯做预测。
上世纪七八十年代提出的某些湍流坐标变换理论因计算力不足而无法验证，如今AI有望利用更多数据和算力学习出这些变换。
湍流不是随机的，其中包含大量多尺度、高度纠缠的结构。
AI在湍流中的角色是发现隐藏的简洁表示，介于纯数学推导和纯数据拟合之间的第三条路。
在Navier-Stokes方程中，涡管拉伸导致横截面积减小、旋转速度加快、涡量增大，这是湍流能量级联的关键机制。
雷诺数小则流动平滑、粘性主导；雷诺数大则惯性主导，流动易失稳并发展成湍流。
结构函数定义为速度增量在不同尺度上的高阶矩，是描述湍流多尺度统计的常用工具。
还有 4 条时间轴事件
全部知识事实 (14)
AI在湍流中的角色是发现隐藏的简洁表示，介于纯数学推导和纯数据拟合之间的第三条路。
50%待验证湍流被称为流体力学中最难的问题，其根本困难源于多尺度特性。
50%待验证湍流中尺度比可达Re^{3/4}量级，这是其多尺度特性的物理根源。
50%待验证AI在湍流研究中的潜在贡献在于发现坐标变换，将复杂流动映射到简洁、可泛化的表示空间，而非单纯做预测。
50%待验证上世纪七八十年代提出的某些湍流坐标变换理论因计算力不足而无法验证，如今AI有望利用更多数据和算力学习出这些变换。
50%待验证湍流不是随机的，其中包含大量多尺度、高度纠缠的结构。
50%待验证在Navier-Stokes方程中，涡管拉伸导致横截面积减小、旋转速度加快、涡量增大，这是湍流能量级联的关键机制。
50%待验证雷诺数小则流动平滑、粘性主导；雷诺数大则惯性主导，流动易失稳并发展成湍流。
50%待验证湍流具有多尺度动力学、间歇性、极端事件、粗糙速度场和内在随机输运等特征。
50%待验证结构函数定义为速度增量在不同尺度上的高阶矩，是描述湍流多尺度统计的常用工具。
50%待验证论文提出了一套验证框架，包括能量传递、结构函数与异常标度、概率密度函数尾部、相干结构、守恒律、时间一致性和集合多样性与泛化能力等指标。
50%待验证论文列举了生成式AI在湍流中的核心应用方向：无条件生成、概率重建、降阶建模、时间演化和无网格表示。
50%待验证该问题直接关联流体运动中的湍流现象
50%待验证如果原始Navier-Stokes方程具备类似图灵机的通用计算能力，则不存在能完全约化湍流复杂度的通用降维坐标系。
50%