![]()
科学家想要模拟某个物理过程时,通常需要为这项特定任务挑选合适的工具,比如为流体设计的求解器,或者专门用来模拟蛋白质折叠方式的另一套工具。每一种工具都是针对决定该过程行为的特定方程手工编写的。
麻省理工学院(MIT)、不列颠哥伦比亚大学(UBC)等机构的研究人员如今用一套单一的深度学习系统取代了这种拼凑式方法。这套系统名为WorldParticle,能够帮助工程师用统一的人工智能架构,建模从滑动沙粒到蛋白质折叠等各种不同的物理现象。
科学家和工程师可以用这套系统来建模那些通常需要分别使用多个模拟器才能处理的过程,比如流体冲击可变形固体的情形。举例来说,这可以提供一种更快、更准确的方式,模拟储油罐中晃动的油液如何影响弹性阀门。它还可以帮助工程师研究当软体机器人接触沙子或土壤等颗粒材料时,这些材料会在何处以及如何移动。
WorldParticle已经在从微观的蛋白质运动到宏观的物理模拟等多种现象上得到了广泛验证。图中展示了分子、流体和颗粒模拟的动画效果。
该系统将其模拟的每一种材料,无论是沙丘还是蛋白质分子,都表示为微小的粒子,并逐步预测这些粒子的运动轨迹。由于该模型学习的是底层动力学规律,而非被编程写入某个特定方程,因此它能够适应训练过程中从未遇到过的材料、作用力和环境条件。
从长远来看,研究人员希望这项工作能帮助科学家发现新材料,并探索那些用现有模拟方法无法有效研究的物理过程。
“我们想为模拟领域带来一个‘GPT时刻’,”曾在MIT担任博士后、现任UBC助理教授的彭奕辰(Peter Yichen Chen)说道,他是这项技术相关开放获取论文的共同通讯作者之一。“每次人们想为某个特定物理现象搭建模拟器,都得从零开始编写代码。我们的愿景是拥有一个基础模型,它能够对任何你想模拟的场景直接适用,开箱即用。这是朝着这个方向迈出的第一步。”
与陈共同担任通讯作者及共同第一作者的是MIT博士后郭明浩(Minghao Guo);共同第一作者还包括UBC研究生王操立文(Caoliwen Wang)和陈思源(Siyuan Chen);此外还有MIT电气工程与计算机科学教授、计算机科学与人工智能实验室(CSAIL)计算设计与制造小组负责人沃伊切赫·马图西克(Wojciech Matusik),以及来自UBC、乔治亚理工学院、法国国家信息与自动化研究院(Inria)、Meta、宾夕法尼亚大学、犹他大学、加州大学洛杉矶分校和香港大学的其他研究人员。这项研究将在ACM SIGGRAPH亚洲计算机图形与交互技术会议及展览上发表。
统一模拟
在这项工作中,研究人员从世界模型中获得了灵感。这些强大的AI系统学习支配物理世界运行的规则,从而能够预测物体或环境在受到特定动作或条件影响时将如何随时间变化。
研究人员将这些理念应用到实践中,开发出了一套能够模拟多种类型物理现象的统一人工智能架构。
“如果你研究可变形物体和流体,你需要两个模拟器——每种物理体系对应一个。但如果把它们统一到一个模型中,或许就能把这两个过程的物理规律耦合起来,从而为新问题获得新的见解?”郭明浩说。
WorldParticle采用一种被称为拉格朗日表示法的方式,将一个物体分解成数千甚至数百万个微小的三维点,即粒子。它通过追踪这些粒子在空间和时间上的运动与速度,来模拟材料的动力学行为。
通常,当科学家使用拉格朗日粒子对材料和物理过程建模时,他们会用一个支配方程来定义控制该材料在时间和空间上如何表现的基本规律。他们必须将这个复杂的方程转换成数值求解器能够处理的公式,并针对每一种想要建模的材料和过程重复这些步骤。
相比之下,研究人员设计了一个神经网络,使其能够学会普遍性地求解支配方程,从而不再需要为每一个方程单独设计新的模型和求解器。
一旦WorldParticle把物体转换成粒子,神经网络就会将这些粒子的三维位置和物理属性作为输入。它会输出下一帧模拟中粒子的位置和属性,以一秒为增量预测材料在时间和空间上的运动。
“这和ChatGPT的架构类似。但我们预测的不是逐词生成文本,而是逐步预测这些粒子将如何运动,”陈说。
在每一步模拟开始之前,WorldParticle会把影响物理系统的外部力分离出来,比如海浪撞击防波堤时产生的冲击力。
在预测出粒子的初始状态之后,WorldParticle会将外部力重新整合进模拟过程中,根据这些力对物体行为的影响来修正粒子预测结果。通过这种方式,该系统能够泛化到未曾见过的材料、不断变化的环境条件以及各种各样的作用力。
一个通用且可扩展的框架
然而,由于一个复杂物体可能被分解成数百万个粒子,这个问题很快就会在计算量上变得过于庞大,超出模型的处理能力。
为了简化处理流程,研究人员采用了一种合并技术,将粒子进行组合与压缩,同时仍能让WorldParticle捕捉到其行为中的精细细节。
“我们需要进行大量细致的工程工作,并对架构做许多调整,才能让它真正具备可泛化性和可扩展性,”郭明浩说。
研究人员通过对六种不同物理现象进行建模来演示WorldParticle的能力,这些现象包括可变形物体、颗粒材料和蛋白质,其准确度高于数值模拟方法。
举例来说,WorldParticle能够有效捕捉颗粒物体坍塌成堆的过程,而一些基线方法则会让沙粒悬浮在空中。郭明浩补充说,该方法对蛋白质结构随时间变化的建模速度,也比数值模拟器快约100倍。
研究人员表示,这套通用框架可以应用于许多材料和过程,包括软体机器人操作任务、RNA演化,以及星系合并等天体物理现象。
展望未来,他们希望让WorldParticle适用于模拟这些以及其他物理系统。他们还希望在此基础上,进一步朝着为科学发现开发一套完整、通用的模拟流程的方向努力。
“我们认为计算与科学的统一,将为我们发现物理现象或解释一些难以解释的物理现象,带来新的见解和工具,”郭明浩说。“借助一个统一的模型,我们或许能解锁许多我们现在甚至无法想象的发现。”
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.