La simulazione della realtà fisica è stata a lungo una faccenda frammentata. Uno scienziato che modella le onde dell'oceano ha bisogno di un risolutore; un biologo computazionale che osserva il ripiegamento di una proteina ne ha bisogno di un altro; un ingegnere che studia le dune di sabbia ne ha bisogno di un terzo. Ogni strumento è scrupolosamente codificato a mano attorno alle equazioni specifiche che governano un fenomeno ristretto.
I ricercatori del MIT, dell’Università della British Columbia e una serie di istituzioni che collaborano hanno ora svelato un sistema progettato per sostituire quel mosaico con un’unica architettura. Secondo MIT News, il sistema, chiamato WorldParticle, utilizza un modello unificato di deep learning per simulare processi fisici molto diversi – dallo scivolamento della sabbia al ripiegamento delle proteine. Per maggiori informazioni su questa storia, consulta la nostra notizie sull'IA.
Il lavoro, un documento ad accesso libero intitolato "WorldParticle: Unified World Simulation of Lagrangian Particle Dynamics via Transformer", sarà presentato alla conferenza ed esposizione ACM SIGGRAPH sulla computer grafica e sulle tecniche interattive in Asia. La collaborazione comprende MIT, UBC, Georgia Tech, Inria, Meta, Università della Pennsylvania, Università dello Utah, UCLA e Università di Hong Kong.
Un "momento GPT" per la simulazione
"Vogliamo avere un momento GPT per la simulazione", ha detto Peter Yichen Chen, un ex postdoc del MIT che ora è assistente professore alla UBC e co-autore corrispondente dell'articolo, nel rapporto di MIT News. "Ogni volta che le persone vogliono costruire un simulatore per un particolare fenomeno fisico, devono codificarlo da zero. La nostra visione è quella di avere un modello di base che funzioni immediatamente per qualsiasi scenario che si desidera simulare. Questo è un primo passo in quella direzione."
Il riferimento a GPT non è casuale. L'architettura di WorldParticle prende in prestito la stessa idea di previsione sequenziale che alimenta i modelli linguistici di grandi dimensioni. "È un'architettura simile a ChatGPT. Ma invece di prevedere una parola alla volta per scrivere un pezzo di testo, prevediamo come si muoveranno queste particelle, un passo alla volta", ha detto Chen.
A Chen si uniscono il co-corrispondente e co-autore principale Minghao Guo, un postdoc del MIT, e i co-autori principali Caoliwen Wang e Siyuan Chen, studenti laureati alla UBC. Il team comprende anche Wojciech Matusik, professore di ingegneria elettrica e informatica del MIT che guida il gruppo di progettazione e fabbricazione computazionale all’interno del Laboratorio di informatica e intelligenza artificiale (CSAIL).
Come funziona WorldParticle
Il sistema si basa su un’idea di vecchia data nella fisica computazionale: la rappresentazione lagrangiana, in cui un materiale è descritto come un insieme di particelle discrete le cui posizioni e velocità evolvono nel tempo. WorldParticle scompone ogni oggetto simulato in migliaia o milioni di minuscoli punti tridimensionali, quindi traccia il modo in cui tali particelle si muovono nello spazio e nel tempo.
Imparare le equazioni, non codificarle manualmente
L'allontanamento dalla tradizione sta in ciò che scrive le regole. In una pipeline classica, uno scienziato inizia con un’equazione fondamentale che definisce il comportamento di un materiale, quindi converte quella complessa matematica in una formula che un risolutore numerico può gestire, ripetendo l’intero esercizio per ogni nuovo materiale o processo.
WorldParticle utilizza invece una rete neurale che impara a risolvere le equazioni che governano in generale. La rete prende le posizioni 3D e le proprietà fisiche delle particelle come input e restituisce le loro posizioni e proprietà per il fotogramma successivo della simulazione, prevedendo il movimento del materiale nel tempo e nello spazio con incrementi di un secondo.
Gestire le forze esterne
I materiali del mondo reale sono costantemente spinti da forze che un modello non può prevedere completamente: un'onda dell'oceano che si schianta contro una diga o un piede che preme sulla sabbia. Prima di ogni fase della simulazione, WorldParticle separa le forze esterne che agiscono sul sistema. Dopo aver previsto gli stati iniziali delle particelle, il sistema integra tali forze nella simulazione, correggendo le sue previsioni in base al modo in cui le forze influenzano il comportamento dell'oggetto.
Questo ciclo di correzione, riferiscono i ricercatori, è ciò che consente al modello di generalizzare ai materiali, alle condizioni ambientali e alle forze che non ha mai incontrato durante l’addestramento.
Compressione di milioni di particelle
La scala rappresentava la sfida ingegneristica centrale. Un oggetto complesso può frantumarsi in milioni di particelle, travolgendo rapidamente il budget computazionale del modello. Per mantenere l'elaborazione trattabile, il team ha utilizzato una tecnica di fusione che combina e comprime le particelle preservando i dettagli a grana fine nel loro comportamento.
"Avevamo bisogno di molta ingegneria dettagliata e di apportare molte modifiche all'architettura affinché fosse veramente generalizzabile e scalabile", ha detto Guo a MIT News.
Testato contro sei fenomeni fisici
I ricercatori hanno dimostrato WorldParticle su sei diversi fenomeni fisici, tra cui oggetti deformabili, materiali granulari e proteine, riscontrando una precisione maggiore rispetto ai metodi di simulazione numerica consolidati.
Gli esempi erano concreti. In un test granulare, WorldParticle ha catturato il modo in cui un mucchio di materiale collassa sotto la gravità mentre alcuni metodi di base lasciavano particelle di sabbia che fluttuavano in modo improbabile nell’aria. Sulla dinamica molecolare, secondo Guo, il sistema ha modellato il modo in cui le strutture proteiche cambiano nel tempo circa 100 volte più velocemente rispetto ai simulatori numerici.
Il vantaggio pratico va in entrambe le direzioni: risultati più rapidi per i problemi che gli scienziati già studiano e la capacità di accoppiare fenomeni che in precedenza richiedevano simulatori separati. Il team evidenzia scenari come lo sbattimento di un fluido contro un solido deformabile – ad esempio, il modo in cui lo sbattimento del petrolio potrebbe sollecitare una valvola elastica all’interno di un serbatoio di stoccaggio – in cui il fluido e la struttura contro cui spinge devono essere modellati insieme.
Dai morbidi robot alla fusione delle galassie
La generalità del framework punta ad applicazioni ben oltre la computer grafica. I ricercatori affermano che lo stesso approccio potrebbe ispirare compiti di manipolazione morbida dei robot, in cui una macchina cedevole deve prevedere come la sabbia o il terreno si sposteranno sotto il suo tocco. Elencano anche l’evoluzione dell’RNA e persino fenomeni astrofisici come la fusione delle galassie come domini candidati.
A lungo termine, il team spera che il lavoro aiuti gli scienziati a scoprire nuovi materiali ed esplorare processi fisici che i metodi di simulazione esistenti non possono studiare efficacemente.
"Vediamo l'unificazione del calcolo e della scienza che ci fornisce nuove intuizioni e strumenti per scoprire fenomeni fisici o spiegare alcuni fenomeni fisici inspiegabili", ha detto Guo. "Con un modello unificato, potremmo sbloccare molte scoperte che non possiamo nemmeno immaginare."
Un primo passo, non una base finita
I ricercatori stanno attenti a inquadrare WorldParticle come una mossa di apertura piuttosto che come un modello di fondazione completo. Andando avanti, intendono adattare il sistema a più sistemi fisici e costruire una pipeline di simulazione completa e generica per la scoperta scientifica.
Se quell’arco suona familiare, è in base alla progettazione. I modelli linguistici hanno trascorso anni come sistemi ristretti e per attività prima di trasformarsi in strumenti di uso generale e il team di WorldParticle scommette esplicitamente che la simulazione fisica può seguire un percorso simile, un passo di particella alla volta.
Questo articolo si basa su un rapporto di Adam Zewe, pubblicato da MIT News il 9 novembre 2026.---
Rimani Aggiornato sull'IALe ultime notizie, analisi e scoperte sull'intelligenza artificiale — tutto in un posto.
Leggi altre notizie sull'IA →
