三维空间中，一个中心球周围最多能紧密排列多少个相同大小的球？这个看似简单的几何问题，曾引发牛顿与大卫·格雷戈里的著名争论。牛顿认为答案是12，格雷戈里则坚持13，这场持续两个多世纪的争议直到1953年才尘埃落定。如今，随着上海科学智能研究院、北京大学和复旦大学等机构组成的科研团队取得突破性进展，这个困扰数学界三百年的"亲吻数问题"在高维空间的研究中迈出了关键一步。
亲吻数问题本质上是研究不同维度空间中球体的最优堆积方式。在三维空间中，12个球体可以完美贴合中心球体形成稳定结构，但当维度超过8后，人类的空间感知能力便难以应对这种几何复杂性。过去三十年，全球数学家仅在该领域取得7次实质性进展，其中2022年菲尔兹奖得主玛丽娜·维亚佐夫斯卡对8维和24维球体堆积的严格证明，被视为该领域的里程碑式成果。然而，这些研究都依赖各自独特的数学工具，始终未能形成可推广的研究范式。
这个数学难题的影响力远超纯理论范畴。作为希尔伯特第十八问题的局部形式，亲吻数问题与数论、组合数学、群论等多个数学分支存在深刻联系。在工程应用层面，球体最优堆积方案直接对应着通信工程中的信号分布优化、量子编码设计以及数据压缩算法等现实问题。麻省理工学院教授亨利·科恩指出，该问题的突破将带动多个基础学科的发展，其研究价值堪比破解数学界的"哥德巴赫猜想"。
科研团队此次创新性地开发了PackingStar强化学习系统，将高维几何问题转化为代数计算问题。该系统通过两个智能体的合作博弈——填充智能体负责生成候选构型，修剪智能体进行结构优化，成功将复杂空间问题转化为适合GPU并行计算的代数运算。这种转化不仅释放了AI模型的计算潜力，更开创了人机协同研究的新模式：AI负责在人类直觉难以触及的维度空间中探索规律，数学家则将这些发现提炼为抽象数学理论。
研究成果显著改写了多个维度的亲吻数记录。在25至31维空间中，团队发现了优于人类已知的最佳结构；在14维和17维空间中，突破了持续二三十年的"两球亲吻数"纪录；在12维、20维和21维空间中，则刷新了"三球亲吻数"的极限值。更令人惊喜的是，AI在12至15维空间中发现了多个非对称最优构型，打破了传统研究中对高度对称结构的依赖，为数学家提供了全新的研究视角。
与之前谷歌DeepMind公司AlphaEvolve仅将11维最优值提升1个单位的突破相比，此次研究具有更深远的意义。AlphaEvolve生成的构型缺乏内在数学结构，难以形成可推广的方法论。而PackingStar系统不仅在多个维度取得实质性进展，更建立了统一的研究框架。亨利·科恩教授评价这是"方法论上的革命性突破"，相关成果已被收录于他维护的权威榜单和维基百科相关条目。
这项研究标志着"科学智能"进入新发展阶段。传统AI研究主要依赖既有数据解决已定义问题，而此次人机协作模式则围绕关键科学问题构建探索系统。AI不仅参与寻找解决方案，更与科学家共同重新定义问题边界、发现新的科学规律。这种变革性研究范式，正在为人类探索未知领域开辟全新路径。
