PackingStar系统攻克高维数学难题，实现九维空间突破

2026年2月15日，中国科研团队借助人工智能技术，在解析高维几何核心难题——亲吻数问题上取得了系统性突破，这是AI深度参与基础数学研究进程中迈出的标志性一步。

亲吻数问题的源头可追溯至1694年牛顿与数学家格雷戈里的一场著名争论：在三维空间中，一个球体周围最多能紧密接触多少个同等大小的球体？牛顿主张答案为12，而格雷戈里则认为可达13。这场辩论直到1953年才由数学界严格证实，确认牛顿的论断是正确的。该问题在三维空间已有定论，但延伸至四维及以上高维空间后，迅速成为长期悬而未决的难点，研究进展极为缓慢。过去半个世纪，全球范围内仅实现过七次实质性突破，且现有方法普遍缺乏可迁移性，难以支撑跨维度持续探索。

此次，上海科学智能研究院联合北京大学、复旦大学，自主研发了名为PackingStar的强化学习系统，首次实现对高维亲吻数问题的成体系求解。团队在12、13、14、17、20、21以及25至31维共九个维度上，刷新了亲吻数或其广义形式的已知记录；尤其在13维空间，找到了优于自1971年以来所有有理数构造方案的新解；在14维等维度中，更发现了超过六千种全新的球体排列构型。

这一成果不仅拓展了数学认知的边界，更推动了研究范式的转变：人类研究者明确设定问题框架与理论约束，AI系统高效执行大规模构型生成与搜索，再由人类对结果进行抽象归纳与严谨验证。高维几何探索从依赖经验与直觉的零散尝试，转向目标清晰、流程可控、结果可复现的系统化推进。

为应对高维空间带来的指数级搜索规模与海量计算需求，PackingStar项目团队深度优化底层计算架构：自主设计专用算子，重构GPU并行计算流程，并建立全自动断点保存与恢复机制，成功支撑千张GPU卡规模的超大任务稳定运行。相比传统方案，整体搜索效率提升数倍，累计节省GPU计算时长逾十万卡时。