Il problema di Navier-Stokes, una delle grandi sfide irrisolte della matematica, potrebbe essere entrato in una fase decisiva. Una dimostrazione elaborata con migliaia di agenti AI apre nuove prospettive per la ricerca scientifica, ma attende ancora il giudizio della comunità internazionale.
Per comprendere la portata di questa sfida, occorre partire dall’oggetto descritto dalle equazioni: i fluidi e il loro movimento.
Indice degli argomenti
Dai fluidi al problema di Navier-Stokes
Acqua, aria, petrolio, sangue e perfino le nuvole sono tutti esempi di fluidi. A differenza di un solido, un fluido non mantiene una forma propria, ma si deforma continuamente quando è soggetto a forze esterne. Un semplice esempio è l’acqua che scorre in un tubo. A basse velocità il moto appare regolare e prevedibile; aumentando la velocità iniziano a comparire vortici e turbolenze che rendono il comportamento del sistema sempre più complesso.
Comprendere e prevedere il comportamento dei fluidi è fondamentale per moltissime applicazioni tecnologiche: dal design di automobili e aeroplani alla meteorologia, fino alla progettazione di impianti industriali e dispositivi biomedicali.
Le equazioni al centro del problema di Navier-Stokes
Per descrivere matematicamente il moto dei fluidi, fisici e ingegneri utilizzano le equazioni di Navier-Stokes (1), formulate nel XIX secolo da Claude-Louis Navier e George Gabriel Stokes. Queste equazioni applicano le leggi della dinamica di Newton a un fluido trattato come un mezzo continuo piuttosto che come un insieme di singole molecole. In sostanza, permettono di calcolare come velocità, pressione e altre proprietà del fluido evolvono nel tempo e nello spazio.
Nonostante la loro formulazione relativamente compatta, si tratta di alcune delle equazioni più importanti e difficili della fisica moderna.
Dalla CFD alle applicazioni delle equazioni di Navier-Stokes
Le equazioni di Navier-Stokes (1) sono alla base della moderna fluidodinamica computazionale.
Nel settore automotive vengono utilizzate per studiare come l’aria scorre attorno a un veicolo, riducendo la resistenza aerodinamica e migliorandone l’efficienza energetica. Nel settore aerospaziale consentono di simulare il comportamento dell’aria sulle ali di un aereo prima ancora di costruire un prototipo fisico. Inoltre, poiché l’atmosfera terrestre è a tutti gli effetti un enorme fluido, i modelli meteorologici utilizzati quotidianamente dai servizi meteo sfruttano versioni numeriche delle equazioni di Navier-Stokes per prevedere piogge, venti e fenomeni atmosferici su larga scala.
Perché il problema di Navier-Stokes resta irrisolto
Le equazioni di Navier-Stokes (1) funzionano estremamente bene nella pratica e vengono utilizzate ogni giorno da ingegneri e ricercatori. Tuttavia, da quasi un secolo i matematici non riescono a dimostrare una proprietà fondamentale: una soluzione inizialmente regolare rimane sempre regolare oppure può sviluppare una singolarità matematica? Per singolarità si intende una situazione in cui alcune grandezze fisiche descritte dalle equazioni crescono senza limite in un tempo finito. In altre parole, il modello matematico “esplode” e smette di fornire una descrizione valida del fenomeno fisico.
È importante sottolineare che questo problema teorico non impedisce l’impiego industriale delle equazioni. Nelle applicazioni reali, ingegneri e ricercatori ricorrono infatti alla fluidodinamica computazionale, o CFD (Computational Fluid Dynamics), che utilizza metodi numerici per simulare il moto dei fluidi.
Inoltre, per rappresentare fenomeni complessi come la turbolenza vengono adottati approcci differenti: i modelli RANS (Reynolds-Averaged Navier-Stokes) descrivono il comportamento medio del flusso, mentre le simulazioni LES (Large Eddy Simulation) calcolano direttamente i vortici di maggiori dimensioni e modellano quelli più piccoli. Questi strumenti consentono di ottenere risultati utili e accurati per specifici problemi applicativi, senza dover risolvere il problema matematico generale dell’esistenza e regolarità delle soluzioni di Navier-Stokes.
L’AI affronta il problema di Navier-Stokes
Proprio per la sua importanza teorica e applicativa, nel 2000 il Clay Mathematics Institute inserì il problema della “Esistenza e regolarità delle soluzioni di Navier-Stokes” tra i sette celebri “Millennium Prize Problems”, mettendo in palio un premio di un milione di dollari per una dimostrazione accettata dalla comunità matematica.
La domanda posta dal problema è apparentemente semplice: le equazioni di Navier-Stokes descrivono sempre un fluido in modo matematicamente consistente, oppure esistono condizioni in cui sviluppano inevitabilmente una singolarità? Per oltre venticinque anni nessuno è riuscito a dare una risposta definitiva.
Nel settembre 2026 l’Intelligenza Artificiale è entrata per la prima volta nel dibattito su uno dei problemi matematici più importanti e difficili al mondo. OpenAI ha infatti annunciato di aver prodotto una dimostrazione del problema utilizzando un sistema multi-agent basato su un modello interno più avanzato rispetto a quelli oggi disponibili al pubblico.
Il sistema multi-agent e i numeri della ricerca
Secondo quanto dichiarato dall’azienda:
- circa 10.000 agenti AI hanno lavorato contemporaneamente sul problema;
- la ricerca è durata circa 88 ore continuative;
- sono stati generati circa 130 miliardi di token;
- gli agenti hanno scambiato circa 2,7 milioni di messaggi durante il processo;
- una successiva fase di circa 17 ore è stata dedicata alla formalizzazione e verifica della dimostrazione tramite il sistema matematico Lean.
Per avere un ordine di grandezza dello sforzo computazionale, alcune stime riportate dalla stampa parlano di costi equivalenti compresi tra circa 7 e oltre 10 milioni di dollari se si utilizzassero tariffe commerciali comparabili a quelle dei servizi AI disponibili sul mercato.
La prova su Navier-Stokes tra controversie e verifica
L’annuncio non è stato accolto senza polemiche. I matematici Tristan Buckmaster della NYU e Levent Alpöge di Anthropic, per esempio, hanno dichiarato di essere al lavoro da tempo su approcci ritenuti concettualmente simili e hanno sollevato dubbi sia sull’attribuzione del merito scientifico, sia sull’eventuale utilizzo di informazioni provenienti da strumenti AI impiegati durante la loro ricerca (accuse respinte da OpenAI).
Al di là della disputa, rimane il tema più importante: la verifica indipendente della dimostrazione. Nella matematica moderna una prova non viene considerata automaticamente valida al momento della pubblicazione. Deve essere esaminata, compresa e verificata dalla comunità scientifica internazionale. Nel caso dei “Millennium Prize Problems” il processo può richiedere anni e, secondo le regole del Clay Mathematics Institute, è necessario un lungo periodo di accettazione da parte della comunità prima dell’assegnazione ufficiale del premio.
Dopo Navier-Stokes, il ruolo dell’AI nella ricerca
Se è troppo presto per dire che il problema sia stato definitivamente risolto, è tuttavia corretto evidenziare che la comunità matematica si trova, oggi, di fronte a una proposta di soluzione che merita un’analisi approfondita.
Indipendentemente dall’esito della verifica, infatti, la vicenda rappresenta un momento importante per il rapporto tra Intelligenza Artificiale e ricerca scientifica. Fino a pochi anni fa, i sistemi di AI venivano utilizzati soprattutto come strumenti di supporto: generazione di contenuti, sviluppo software, ricerca di informazioni e analisi documentale. In questo caso, invece, l’intelligenza artificiale viene chiamata a confrontarsi con un problema matematico aperto da decenni, che richiede la costruzione e la verifica di ragionamenti estremamente complessi.
Anche se la dimostrazione proposta dovesse rivelarsi incompleta o non essere accettata dalla comunità scientifica, l’esperimento rimane significativo. Mostra infatti come sistemi AI avanzati possano essere impiegati non solo per recuperare o sintetizzare conoscenza esistente, ma anche per assistere i ricercatori nell’esplorazione di nuove ipotesi e nella gestione di problemi caratterizzati da una complessità tale da rendere difficile una verifica umana completa e rapida.
Migliaia di agenti e nuove strade per il metodo scientifico
Un aspetto particolarmente interessante riguarda la scala del processo di ricerca. Secondo quanto riportato da OpenAI, migliaia di agenti avrebbero lavorato in parallelo su parti diverse del problema, producendo e verificando un numero enorme di passaggi matematici. Questo suggerisce una possibile evoluzione del metodo scientifico, in cui l’AI non sostituisce l’intuizione del ricercatore, ma aumenta la capacità di esplorare molte più strade di ricerca in tempi ridotti.
Qualora approcci simili dovessero dimostrarsi efficaci anche in altri ambiti, come la fisica teorica o la progettazione di nuovi materiali, l’Intelligenza Artificiale potrebbe diventare uno strumento sempre più rilevante per accelerare alcune fasi della scoperta scientifica. In questo caso, rimarrebbe comunque essenziale il ruolo della comunità scientifica, chiamata a validare i risultati, verificarne la correttezza e attribuire il giusto valore alle nuove conoscenze prodotte.
In questo senso, il caso Navier-Stokes potrebbe essere ricordato non soltanto per il risultato matematico in sé, ma come uno dei primi tentativi su larga scala di utilizzare sistemi di AI avanzati per affrontare problemi scientifici di frontiera che finora erano rimasti fuori dalla portata degli strumenti computazionali tradizionali.
Partecipa alla community