Если залить мёд в дуршлаг с сотней мелких отверстий, он будет стекать тонкими струйками, но каждую струйку закрутит вокруг края дырки. Инженерам важно понимать такие завихрения: они влияют на то, как быстро фильтруется вода, как нефть выходит из пласта или как лекарство просачивается сквозь ткани. Но чем больше дырок, тем сложнее компьютеру рассчитать каждую мелочь у края.

Обычная нейросеть, которую учат на примерах, пытается угадать поток сразу во всём дуршлаге. Она получает штраф, если ошибается у стенок, и начинает метаться, как ученик, которому дали сто противоречивых указаний. Авторы работы применили метод конечных базисов — поделили дуршлаг на много маленьких зон и в каждой поставили свою крошечную нейросеть. А чтобы она точно знала, где стенка, ей с самого начала «вшили» жёсткое правило: на границе скорость всегда ноль. Это как если бы каждому маляру сказали: «Твоя стена — вот этот квадрат, и за его край не вылезай». Результат — маляры работают слаженно и быстро, а стыки между квадратами почти незаметны.

Такой подход напоминает сборку огромной мозаики: каждый кусочек прост, но вместе они создают картину течения. И что важно — все кусочки можно собирать одновременно на разных компьютерах. В итоге мы получаем не просто быстрый расчёт, а надёжный инструмент для проектирования новых материалов — от водоочистных мембран до искусственных сосудов, где каждый микроканал должен работать без сбоев.