不安定な流れの AI モデルにおける幻覚現象の報告

arXiv:2604.20372v1 Announce Type: cross 摘要：流体力学における不安定な輸送（粘性指状分裂と呼ばれる定型的な問題）の例えを用いて、AI モデルにおける幻覚の最初の系統的証拠を報告します。AI ベースの不安定な流れのモデル化は、急速に進化し多尺度な指状分裂パターンを正確に解析するのが困難であるため、依然として課題としています。私たちは、視覚的には現実的だが物理的に不可能である解を特定し、これが大規模言語モデルにおける幻覚に類似すると考えます。これらの幻覚は、保存則を侵害する偽の流体界面と逆拡散として現れます。私たちは、その起源が高流速および粘度の対比が大きい場合に AI モデルの分光バイアスにおいて支配的になることを示します。この洞察に基づき、傅里葉ニューラルオペレータとディープオペレータネットワークを組み合わせて空間モードの全スペクトルに対してバランスの取れた学習を強制する、新しい AI 駆動の流体力学枠組みである DeepFingers を導入します。DeepFingers は、時間と粘度の対比を条件にすることで、異なる状態における連続する濃度場間の写像を学習します。この枠組みは、先端の分裂、指の合併、チャネル形成を正確に捉えつつ、混合の全体的な指標も保存します。これらの結果は、物理システムの AI モデルにおける根本的な限界を調べるための新しい研究方向を開示しています。

arXiv:2604.20372v1 Announce Type: cross Abstract: We report the first systematic evidence of hallucination in AI models of fluid dynamics, demonstrated in the canonical problem of hydrodynamically unstable transport known as viscous fingering. AI-based modeling of flow with instabilities remains challenging because rapidly evolving, multiscale fingering patterns are difficult to resolve accurately. We identify solutions that appear visually realistic yet are physically implausible, analogous to hallucinations in large language models. These hallucinations manifest as spurious fluid interfaces and reverse diffusion that violate conservation laws. We show that their origin lies in the spectral bias of AI models, which becomes dominant at high flow rates and viscosity contrasts. Guided by this insight, we introduce DeepFingers, a new framework for AI-driven fluid dynamics that enforces balanced learning across the full spectrum of spatial modes by combining the Fourier Neural Operator with a Deep Operator Network to predict the spatiotemporal evolution of viscous fingers. By conditioning on both time and viscosity contrast, DeepFingers learns mappings between successive concentration fields across regimes. The framework accurately captures tip splitting, finger merging, and channel formation while preserving global metrics of mixing. The results open a new research direction to investigate fundamental limitations in AI models of physical systems.