wtorek, 17 listopada 2026
AviaLaw — Aviation Law
Przepisy prawa lotniczego w praktyce

Turbulencja, równania Naviera–Stokesa i AI. Co właściwie może być tutaj przełomem?

Pilot nie potrzebuje informacji, że atmosfera jest skomplikowana. Chciałby wiedzieć, czy na jego trasie będzie trzęsło, na jakiej wysokości i jak mocno. Najlepiej odpowiednio wcześnie, żeby zmienić poziom albo zabezpieczyć kabinę.

Z prognozowaniem turbulencji jest jednak trudniej niż z przewidywaniem samego wiatru. Silny wiatr nie musi oznaczać niespokojnego lotu. Znaczenie mają różnice prędkości i kierunku między sąsiednimi warstwami, stabilność atmosfery oraz procesy prowadzące do narastania zaburzeń. Dlatego okolice prądu strumieniowego, tropopauzy i załamujących się fal górskich interesują nas szczególnie.

Za opisem tych zjawisk stoi mechanika płynów. Jej podstawą są równania Naviera–Stokesa, znane od XIX wieku. Dla płynu nieściśliwego o stałej gęstości mówią, że przyspieszenie wynika z gradientu ciśnienia, działania lepkości i sił zewnętrznych.

Brzmi niewinnie. Trudność tkwi w tym, że płyn sam przenosi swoje pole prędkości. Porcja powietrza przemieszcza się do miejsca, gdzie otaczający przepływ jest inny. Zmienia się jej ruch, a ten z kolei wpływa na dalszy przepływ. To oddziaływanie jest nieliniowe: dwóch rozwiązań nie można po prostu dodać i otrzymać trzeciego.

W równaniu odpowiada za to człon:

(u · ∇)u.

Litera u oznacza prędkość, a ∇ opisuje zmiany w przestrzeni. W tym członie prędkość mnoży się przez przestrzenne zmiany prędkości.

Wiry opisujemy przez wirowość, czyli rotację pola prędkości. W trzech wymiarach pojawia się szczególnie istotny mechanizm: rozciąganie wirów. Wyobraźmy sobie cienką rurkę wirującą razem z płynem. Otaczający przepływ może ją wydłużać i zwężać, wzmacniając wirowość. Nie jest to dodatkowa siła dopisana do modelu. Wynika z samych równań ruchu.

Lepkość działa przeciwnie: wygładza różnice prędkości i rozprasza energię. Matematyczne pytanie dotyczy tego, czy zawsze zdoła opanować narastające koncentracje ruchu.

Tutaj dochodzimy do osobliwości.

Nie chodzi o mocny podmuch ani o wyjątkowo nieprzyjemną turbulencję. Osobliwość oznacza, że rozwiązanie traci regularność wymaganą przez matematyczny opis. W rozważanym scenariuszu pewna wielkość, na przykład prędkość lub jej przestrzenne pochodne, narasta bez ograniczenia, gdy czas zbliża się do określonej, skończonej chwili.

Przed tą chwilą rozwiązanie może być gładkie. Im bliżej niej, tym większe wartości skupiają się w coraz mniejszym obszarze. Nie ma więc ostatniej, ogromnej liczby, po której pojawia się „nieskończoność”. Jest granica: dla dowolnie wysokiego progu rozwiązanie może przekroczyć go odpowiednio blisko chwili załamania.

Co ważne, skończona energia nie wyklucza takiej koncentracji. Energia zależy od całki z kwadratu prędkości po całym obszarze. Bardzo duża prędkość w odpowiednio szybko kurczącym się obszarze może nie spowodować nieograniczonego wzrostu tej całki. Kontrola całkowitej energii nie daje więc automatycznie kontroli największej lokalnej prędkości.

To właśnie odróżnia prosty bilans energetyczny od dowodu, że przepływ zawsze pozostanie gładki. Oficjalny problem milenijny stawia to pytanie w precyzyjnie określonych warunkach dla trójwymiarowych równań nieściśliwego płynu.

We wrześniu 2026 r. OpenAI ogłosiło konstrukcję, która według autorów prowadzi do osobliwości przy gładkiej sile zewnętrznej. Opisany mechanizm obejmuje wir skupiający się i wydłużający w coraz mniejszym obszarze. Prędkość ma narastać bez ograniczenia, podczas gdy energia pozostaje skończona.

Najtrudniejsza część nie polega na wpisaniu do równania nieskończonej siły. Autorzy twierdzą, że ogromne składniki związane z przyspieszeniem, ciśnieniem, transportem pędu i lepkością równoważą się tak precyzyjnie, że siła zewnętrzna pozostaje gładka. To ma stanowić przykład załamania dopuszczony w oficjalnej treści problemu.

Trzeba zachować ostrożność: opisuję ogłoszony wynik, nie przedstawiam własnej weryfikacji dowodu. Od tego czasu pojawił się dodatkowy problem wymagający sprawdzenia. W preprincie z 27 października badacze z King’s College London i Cambridge wskazali, że formalizacja dowodu w Lean nie w pełni odpowiada wersji opisanej w zwykłym języku matematycznym. Nie dowodzi to, że wynik OpenAI jest błędny. Oznacza jednak, że poprawność formalizacji sama nie rozstrzyga, czy potwierdza ona dokładnie twierdzenie przedstawione przez autorów. Analiza nie przeszła jeszcze recenzji naukowej.

Jeżeli wynik zostanie potwierdzony, będzie przełomem w matematyce. Nie oznacza jednak, że w atmosferze powstają nieskończone prędkości. Rzeczywiste powietrze jest ściśliwe, a przy skrajnych warunkach uproszczony model może przestać wystarczać. Nie wynika z tego również, że znamy sposób przewidywania każdego wiru na trasie samolotu.

AI może pomagać w obu sprawach, ale wykonuje w nich zupełnie różną pracę. W matematyce szuka konstrukcji i dowodów. W prognozowaniu turbulencji może porównywać wyniki modeli pogody z obserwacjami, korygować błędy i lepiej oceniać ryzyko. ECMWF wskazuje uczenie maszynowe jako metodę dalszego przetwarzania prognoz CAT; rozwija też prognozy probabilistyczne oparte na EDR.

Dla lotnictwa przełomem byłoby trafniejsze ostrzeganie przed silną turbulencją, z dostatecznym wyprzedzeniem i mniejszą liczbą fałszywych alarmów. To trzeba wykazać na rzeczywistych, niezależnych danych.

Rozwiązanie problemu milenijnego może zmienić nasze rozumienie równań. Trafniejsza prognoza może zmienić decyzję załogi. Oba osiągnięcia są ważne, ale od dowodu o osobliwości do użytecznego ostrzeżenia w kokpicie pozostaje sporo pracy.