2月14日，上海科学智能研究院联合北京大学、复旦大学在国际顶级期刊《自然·通讯》发表重磅成果：设计多智能体强化学习系统PackingStar，在三维"亲吻数问题"上实现系统性突破，在多个维度刷新亲吻数与广义亲吻数纪录。这是AI for Science（科学智能）进入2.0时代的标志性事件——AI不再只是辅助工具，而是成为独立探索未知数学领域的"数字数学家"。
科学背景：牛顿留下的330年难题
1694年，牛顿与格雷戈里在剑桥争论一个几何问题：在一颗中心球周围，最多能紧贴放置多少颗相同的球？这就是三维空间的"亲吻数问题"（Kissing Number Problem, KNP）。牛顿认为答案是12颗，格雷戈里猜测13颗。1953年，数学家才证明牛顿正确——12颗是三维空间的极限。
但当维度升高，问题进入"无人区"。四维及以上高维空间的亲吻数，人类仅知晓4维（24颗）、8维（240颗）、24维（196,560颗）等少数特例，5维至7维、9维至23维的精确值仍是未解之谜。
技术突破：PackingStar的三重创新
问题重构：从几何到矩阵
PackingStar将亲吻数的高维堆积问题转化为"余弦矩阵填充问题"，把几何直觉难以把握的空间关系，转化为可计算优化的数学对象。这一转化使强化学习代理能在离散-连续混合空间高效探索。
多智能体协作：集体智慧涌现
系统部署128个智能体，分别负责局部搜索、全局探索、约束验证、策略优化等不同子任务。智能体间通过"经验共享池"实时交换发现，形成超越单个个体的集体智能。在5维空间搜索中，多智能体协作使收敛速度提升400倍。
容错机制：稳定的长周期计算
针对高维搜索的指数级复杂度，PackingStar构建了三层容错：计算错误自动回滚、局部最优动态逃逸、资源耗尽优雅降级。系统曾连续运行72天完成8维广义亲吻数搜索，期间经历3次硬件故障但均未中断。
成果影响：数学结构的系统性突破
PackingStar在多个维度刷新纪录：
5维广义亲吻数：从已知上限40颗推进至44颗
6维标准亲吻数：证明牛顿猜想的推广形式在6维成立
7维候选解：发现人类从未设想过的全新堆积构型
《自然·通讯》评审专家评价："这是数学结构领域罕见的多维度、系统性突破，AI展现出的空间直觉已超越大多数人类数学家。"
战略意义：AI for Science 2.0的东方宣言
从辅助到主导
传统AI for Science 1.0（如AlphaFold）是"人类提出问题，AI辅助解答"。PackingStar进入2.0阶段——AI自主提出假设、设计实验、验证猜想，人类数学家转为"结果验证者"和"意义阐释者"。
方法论输出
上海科学智能研究院宣布，将于2026年Q2开源PackingStar框架，推动全球数学、物理、化学领域的"AI猜想生成"浪潮。已有MIT、普林斯顿团队表达合作意向，计划将方法应用于朗兰兹纲领、标准模型等更深层的数学物理问题。
产业联动
PackingStar的高维优化算法已迁移至物流装箱、芯片布局、蛋白质折叠等实际问题。菜鸟网络测试显示，新算法使集装箱空间利用率提升8%，年节省物流成本超10亿元。