ရုပ်ပိုင်းဆိုင်ရာ သရုပ်မှန်ကို အတုယူခြင်းသည် အစိတ်စိတ်အမြွှာမြွှာကွဲကွာသော ကိစ္စဖြစ်သည်။ သမုဒ္ဒရာလှိုင်းများကို စံနမူနာပြုသည့် သိပ္ပံပညာရှင်တစ်ဦးသည် ဖြေရှင်းသူ တစ်ဦး လိုအပ်သည်။ ပရိုတင်းခြံကိုကြည့်နေသည့် ကွန်ပျူတာဆိုင်ရာ ဇီဝဗေဒပညာရှင်သည် အခြားလိုအပ်သည်။ သဲသဲတွေကို လေ့လာနေတဲ့ အင်ဂျင်နီယာတစ်ယောက်ဟာ တတိယတစ်ခုလိုပါတယ်။ ကိရိယာတစ်ခုစီသည် ကျဉ်းမြောင်းသောဖြစ်စဉ်တစ်ခုကို ထိန်းချုပ်သည့် သီးခြားညီမျှခြင်းများအနီးတွင် ပြင်းပြင်းထန်ထန် လက်ဖြင့်ကုဒ်ဖြင့် ရေးထားသည်။
MIT၊ British Columbia တက္ကသိုလ်မှ သုတေသီများနှင့် ပူးပေါင်းလုပ်ဆောင်သည့် အဖွဲ့အစည်းများသည် ယခုအခါ အဆိုပါ patchwork ကို တစ်ခုတည်းသော ဗိသုကာနှင့် အစားထိုးရန် ဒီဇိုင်းထုတ်ထားသော စနစ်တစ်ခုကို ထုတ်ဖော်ပြသလိုက်ပါသည်။ WorldParticle ဟုခေါ်သော စနစ်သည် ကျယ်ပြန့်ကွဲပြားသော ရုပ်ပိုင်းဆိုင်ရာ လုပ်ငန်းစဉ်များ—သဲလျှောမှ ပရိုတင်းခေါက်များအထိ — ကျယ်ပြန့်စွာ ပေါင်းစပ်ထားသော နက်နဲသော သင်ယူမှုပုံစံကို အသုံးပြုထားကြောင်း MIT News မှ သိရသည်။ For more context on this story, see our ongoing artificial intelligence updates.
"WorldParticle: Unified World Simulation of Lagrangian Particle Dynamics via Transformer" ခေါင်းစဉ်တပ်ထားသည့် အဖွင့်စာတမ်းကို ACM SIGGRAPH Conference and Exhibition on Asia in Computer Graphics and Interactive Techniques တွင် တင်ပြမည်ဖြစ်ပါသည်။ ပူးပေါင်းဆောင်ရွက်မှုသည် MIT၊ UBC၊ Georgia Tech၊ Inria၊ Meta၊ Pennsylvania တက္ကသိုလ်၊ University of Utah၊ UCLA နှင့် Hong Kong တက္ကသိုလ်တို့ ပါဝင်ပါသည်။
သရုပ်သကန်အတွက် 'GPT အခိုက်အတန့်'
"ကျွန်ုပ်တို့သည် စီစဥ်ရန် GPT အခိုက်အတန့်တစ်ခု ရှိချင်ပါတယ်" ဟု ယခု UBC မှ လက်ထောက်ပါမောက္ခနှင့် ပူးတွဲရေးသားသူ တစ်ဦးဖြစ်သည့် MIT Postdoc ဖြစ်သူ Peter Yichen Chen က MIT News ၏ အစီရင်ခံစာတွင် ပြောကြားခဲ့သည်။ "လူတွေဟာ ရုပ်ပိုင်းဆိုင်ရာ ဖြစ်ရပ်ဆန်းတစ်ခုအတွက် Simulator တစ်ခုကို တည်ဆောက်ချင်တဲ့အခါတိုင်း၊ သူတို့က အဲဒါကို အစကနေ ကုဒ်လုပ်ထားဖို့ လိုပါတယ်။ ကျွန်ုပ်တို့ရဲ့ မျှော်မှန်းချက်ကတော့ သင် အတုယူလိုတဲ့ အဖြစ်အပျက်တိုင်းအတွက် အုတ်မြစ်ချတဲ့ ဖောင်ဒေးရှင်းတစ်ခု ရှိဖို့ပါပဲ။ ဒါက ဦးတည်ချက်အတွက် ပထမခြေလှမ်းပါပဲ။"
GPT ကိုရည်ညွှန်းခြင်းသည် မတော်တဆမဟုတ်ပါ။ WorldParticle ၏ ဗိသုကာပညာသည် ကြီးမားသော ဘာသာစကားပုံစံများကို စွမ်းအားပေးသည့် တူညီသော ဆင့်ကဲ-ဟောကိန်းထုတ်မှု အယူအဆကို ချေးငှားပါသည်။ "ဒါဟာ ChatGPT နဲ့ ဆင်တူတဲ့ ဗိသုကာလက်ရာတစ်ခုပါ။ ဒါပေမယ့် စာသားအပိုင်းအစတစ်ခုရေးဖို့ တစ်ကြိမ်မှာ စကားလုံးတစ်လုံးကို ခန့်မှန်းရမယ့်အစား၊ အဲဒီအမှုန်အမွှားတွေက တစ်ကြိမ်ပြီးတစ်ဆင့် ဘယ်လိုရွေ့မယ်ဆိုတာကို ခန့်မှန်းနေပါတယ်" ဟု Chen က ပြောကြားခဲ့သည်။
Chen သည် MIT postdoc မှ ပူးတွဲခေါင်းဆောင် စာရေးဆရာ Minghao Guo နှင့် UBC မှ ဘွဲ့လွန်ကျောင်းသားများ Caoliwen Wang နှင့် Siyuan Chen တို့ ပူးပေါင်းပါဝင်ခဲ့ပါသည်။ အဆိုပါအဖွဲ့တွင် ကွန်ပျူတာသိပ္ပံနှင့် Artificial Intelligence Laboratory (CSAIL) အတွင်းရှိ Computational Design and Fabrication Group ကို ဦးဆောင်သည့် MIT လျှပ်စစ်အင်ဂျင်နီယာနှင့် ကွန်ပျူတာသိပ္ပံပါမောက္ခ Wojciech Matusik လည်း ပါဝင်သည်။
WorldParticle အလုပ်လုပ်ပုံ
စနစ်သည် တွက်ချက်မှုဆိုင်ရာ ရူပဗေဒတွင် နှစ်ရှည်လများ တည်ရှိနေသည့် စိတ်ကူးပေါ်တွင် တည်နေပါသည်- ပစ္စည်းတစ်ခုသည် အချိန်နှင့်အမျှ ရွေ့လျားနေသော အနေအထားနှင့် အလျင်များ အစုအဝေးအဖြစ် ဖော်ပြထားသည့် Lagrangian ကိုယ်စားပြုမှု။ WorldParticle သည် ၎င်းအရာဝတ္တုတစ်ခုစီကို ထောင်နှင့်ချီသော သုံးဖက်မြင်အစက်ငယ်များအဖြစ် ခွဲထုတ်ပြီး ယင်းအမှုန်များသည် အာကာသနှင့် အချိန်တို့ မည်သို့ရွေ့လျားသည်ကို ခြေရာခံသည်။
ညီမျှခြင်းများကို သင်ယူပါ၊ ၎င်းတို့ကို လက်ဖြင့်ရေးခြင်းမဟုတ်ပါ။
ထုံးတမ်းစဉ်လာမှ ထွက်ခွာခြင်းသည် စည်းမျဥ်းစည်းကမ်းများပေါ်တွင် တည်ရှိသည်။ ဂန္ထဝင်ပိုက်လိုင်းတစ်ခုတွင်၊ သိပ္ပံပညာရှင်တစ်ဦးသည် အရာဝတ္ထုတစ်ခုပြုမူပုံကို သတ်မှတ်သည့် အုပ်ချုပ်မှုညီမျှခြင်းတစ်ခုဖြင့် စတင်ကာ ထိုရှုပ်ထွေးသောသင်္ချာကို ကိန်းဂဏန်းဖြေရှင်းသူမှ ကိုင်တွယ်ဖြေရှင်းနိုင်သော ဖော်မြူလာအဖြစ်သို့ ပြောင်းလဲသည် — ပစ္စည်းအသစ် သို့မဟုတ် လုပ်ငန်းစဉ်တိုင်းအတွက် လေ့ကျင့်ခန်းတစ်ခုလုံးကို ထပ်ခါတလဲလဲလုပ်ပါ။
WorldParticle သည် ယေဘုယျအားဖြင့် ညီမျှခြင်းများကို ဖြေရှင်းရန် သင်ယူသည့် အာရုံကြောကွန်ရက်ကို အသုံးပြုသည်။ ကွန်ရက်သည် အမှုန်များ၏ 3D အနေအထားနှင့် ရုပ်ပိုင်းဆိုင်ရာ ဂုဏ်သတ္တိများကို ထည့်သွင်းကာ သရုပ်ဖော်မှု၏ နောက်ဘောင်အတွက် ၎င်းတို့၏ ရာထူးများနှင့် ဂုဏ်သတ္တိများကို အထွက်များအဖြစ် အချိန်နှင့် အာကာသအတွင်း ပစ္စည်း၏ရွေ့လျားမှုကို အချိန်နှင့်အမျှ တစ်စက္ကန့်အတွင်း ခန့်မှန်းပေးသည်။
ပြင်ပအင်အားစုများကို ကိုင်တွယ်ခြင်း။
မော်ဒယ်တစ်ဦးသည် အပြည့်အ၀ မမျှော်လင့်ထားနိုင်သော တွန်းအားများဖြင့် ပတ်၀န်းကျင်ရှိ ပစ္စည်းများကို သမုဒ္ဒရာလှိုင်းလုံးကြီးတစ်ခုထဲသို့ တိုက်ခတ်သွားခြင်း သို့မဟုတ် သဲထဲသို့ ခြေဖြင့်ဖိမိခြင်း ဖြစ်သည်။ သရုပ်ဖော်မှုအဆင့်တစ်ခုစီမတိုင်မီ၊ WorldParticle သည် စနစ်တွင်လုပ်ဆောင်နေသည့် ပြင်ပအင်အားစုများကို ခွဲခြားထားသည်။ အမှုန်များ၏ ကနဦးအခြေအနေများကို ခန့်မှန်းပြီးနောက်၊ စနစ်သည် အဆိုပါ စွမ်းအားများကို အပြိုင်အဆိုင်အဖြစ် ပြန်လည်ပေါင်းစပ်ကာ အရာဝတ္တု၏ အပြုအမူအပေါ် သက်ရောက်ပုံကို အခြေခံ၍ ၎င်း၏ ခန့်မှန်းချက်များကို ပြုပြင်ပေးသည်။
သုတေသီများ၏ အစီရင်ခံချက်အရ အဆိုပါ ပြုပြင်ခြင်းကွင်းသည် မော်ဒယ်အား လေ့ကျင့်နေစဉ်အတွင်း မကြုံစဖူးသော အရာများ၊ ပတ်ဝန်းကျင်အခြေအနေများနှင့် တွန်းအားများကို ယေဘုယျဖော်ပြနိုင်စေပါသည်။
အမှုန်သန်းပေါင်းများစွာကို ဖိနှိပ်ခြင်း။
စကေးသည် ဗဟို အင်ဂျင်နီယာ စိန်ခေါ်မှုကို ကိုယ်စားပြုသည်။ ရှုပ်ထွေးသော အရာဝတ္ထုတစ်ခုသည် မော်ဒယ်၏ တွက်ချက်မှုဆိုင်ရာ ဘတ်ဂျက်ကို လျင်မြန်စွာ လွှမ်းခြုံကာ အမှုန်သန်းပေါင်းများစွာသို့ ကွဲသွားနိုင်သည်။ စီမံဆောင်ရွက်ရာတွင် လွယ်ကူစေရန်အတွက် အဖွဲ့သည် အမှုန်အမွှားများကို ပေါင်းစပ်ကာ ဖိသိပ်ပေးသည့် ပေါင်းစပ်နည်းပညာကို အသုံးပြုကာ ၎င်းတို့၏ အပြုအမူတွင် အစေ့အဆန်အသေးစိတ်များကို ထိန်းသိမ်းထားသည်။
"ကျွန်ုပ်တို့သည် အသေးစိတ် အင်ဂျင်နီယာ အများအပြားကို လုပ်ဆောင်ရန် လိုအပ်ပြီး ၎င်းကို အမှန်တကယ် ယေဘူယျနှင့် အရွယ်အစား ချဲ့ထွင်နိုင်စေရန်အတွက် ဗိသုကာပညာကို ပြုပြင်ပြောင်းလဲရန် များစွာ လိုအပ်ပါသည်" ဟု Guo မှ MIT News သို့ ပြောကြားခဲ့သည်။
ရုပ်ပိုင်းဆိုင်ရာ ဖြစ်စဉ်ခြောက်ခုကို စမ်းသပ်ခဲ့သည်။
သုတေသီများသည် ပုံပျက်နိုင်သော အရာများ၊ သေးငယ်သော ပစ္စည်းများနှင့် ပရိုတင်းများ အပါအဝင် မတူညီသော ရုပ်ပိုင်းဆိုင်ရာ ဖြစ်စဉ်ခြောက်ခုတွင် WorldParticle ကို သရုပ်ပြခဲ့ပြီး သတ်မှတ်ထားသော ကိန်းဂဏာန်းပုံတူခြင်းနည်းလမ်းများထက် ပိုမိုတိကျမှုကို အစီရင်ခံပါသည်။
သာဓကများသည် ခိုင်မာသည်။ သေးငယ်သောစမ်းသပ်မှုတစ်ခုတွင်၊ WorldParticle သည် ဒြပ်ဆွဲအားအောက်တွင် ပစ္စည်းစုပုံပြိုကျပုံကို ဖမ်းယူနိုင်ခဲ့ပြီး အချို့သော အခြေခံနည်းလမ်းများသည် သဲမှုန်များကို လေထဲတွင် မထင်မှတ်ဘဲ ထားရစ်ခဲ့သည် ။ မော်လီကျူးဒိုင်းနမစ်တွင်၊ စနစ်သည် ကိန်းဂဏာန်း simulators များထက် အဆ 100 ပိုမြန်သည့်အချိန်နှင့်အမျှ ပရိုတိန်းဖွဲ့စည်းပုံများ ပြောင်းလဲပုံကို စံနမူနာပြခဲ့သည်ဟု Guo ကဆိုသည်။
လက်တွေ့ကျသော ပေးချေမှုသည် လမ်းကြောင်းနှစ်ခုစလုံးတွင် လည်ပတ်နေသည်- သိပ္ပံပညာရှင်များ လေ့လာပြီးသော ပြဿနာများအတွက် ပိုမိုမြန်ဆန်သော ရလဒ်များနှင့် ယခင်က သီးခြား Simulator များတောင်းဆိုခဲ့သည့် ဖြစ်စဉ်များကို ပေါင်းစပ်လုပ်ဆောင်နိုင်မှု။ ပုံပျက်လွယ်သော အစိုင်အခဲတစ်ခုသို့ အရည်များ လျှောကျလာခြင်းကဲ့သို့သော အခြေအနေများကို အဖွဲ့မှ မီးမောင်းထိုးပြထားသည် - ဥပမာ၊ သိုလှောင်ကန်အတွင်းရှိ elastic valve ကို မည်ကဲ့သို့ ဖိစီးနိုင်သည်— ဥပမာအားဖြင့်၊ အရည်နှင့် တွန်းပို့သောဖွဲ့စည်းပုံတို့ကို အတူတကွ စံနမူနာပြုရမည်ဖြစ်ပါသည်။
Soft Robots မှ Galaxies များပေါင်းစည်းခြင်းအထိ
မူဘောင်၏ ယေဘူယျအားဖြင့် ကွန်ပြူတာဂရပ်ဖစ်ထက် သာလွန်ကောင်းမွန်သော အပလီကေးရှင်းများကို ညွှန်ပြသည်။ တူညီသောချဉ်းကပ်နည်းသည် စက်ရုပ်၏ ပျော့ပျောင်းသော ခြယ်လှယ်မှုဆိုင်ရာ လုပ်ဆောင်ချက်များကို အသိပေးနိုင်ကြောင်း သုတေသီများက ဆိုသည်၊ ၎င်းတွင် လိုက်လျောညီထွေရှိသော စက်သည် သဲ သို့မဟုတ် မြေဆီလွှာကို ထိတွေ့မှုအောက်တွင် သဲများ မည်သို့ပြောင်းလဲမည်ကို ခန့်မှန်းရမည်ဟု ဆိုသည်။ ၎င်းတို့သည် RNA ဆင့်ကဲဖြစ်စဉ်နှင့် နဂါးငွေ့တန်းများ ပေါင်းစည်းခြင်းကဲ့သို့သော နက္ခတ္တဗေဒဆိုင်ရာ ဖြစ်စဉ်များကိုပင် ကိုယ်စားပြုဒိုမိန်းများအဖြစ် စာရင်းပြုစုထားသည်။
ရေရှည်တွင်၊ အဆိုပါအလုပ်သည် သိပ္ပံပညာရှင်များအား ပစ္စည်းအသစ်များရှာဖွေတွေ့ရှိရန်နှင့် ရှိပြီးသား simulation နည်းလမ်းများကို ထိထိရောက်ရောက် မလေ့လာနိုင်သော ရုပ်ပိုင်းဆိုင်ရာလုပ်ငန်းစဉ်များကို ရှာဖွေရန် ကူညီပေးမည်ဟု မျှော်လင့်ပါသည်။
"တွက်ချက်မှုနှင့် သိပ္ပံပညာ၏ ပေါင်းစည်းမှုသည် ရုပ်ပိုင်းဆိုင်ရာ ဖြစ်စဉ်များကို ရှာဖွေတွေ့ရှိရန် သို့မဟုတ် ရှင်းပြ၍မရသော ရုပ်ပိုင်းဆိုင်ရာ ဖြစ်စဉ်အချို့ကို ရှင်းပြရန် ကျွန်ုပ်တို့အား ထိုးထွင်းသိမြင်မှုနှင့် ကိရိယာအသစ်များ ပေးဆောင်သည်ကို ကျွန်ုပ်တို့တွေ့မြင်သည်" ဟု Guo မှ ပြောကြားခဲ့သည်။ "စုစည်းထားတဲ့ ပုံစံတစ်ခုနဲ့၊ ကျွန်တော်တို့ စိတ်ကူးတောင်မယဉ်နိုင်တဲ့ ရှာဖွေတွေ့ရှိမှုများစွာကို သော့ဖွင့်နိုင်ပါတယ်။"
ပထမအဆင့်၊ ပြီးမြောက်သောဖောင်ဒေးရှင်းမဟုတ်ပါ။
သုတေသီများသည် ပြီးပြည့်စုံသော အခြေခံအုတ်မြစ်ပုံစံထက် WorldParticle ကို အဖွင့်အရွေ့တစ်ခုအဖြစ် ဘောင်ခတ်ရန် ဂရုပြုကြသည်။ ရှေ့သို့တိုးသွားခြင်းဖြင့် ၎င်းတို့သည် စနစ်အား ပိုမိုရုပ်ပိုင်းဆိုင်ရာစနစ်များဆီသို့ လိုက်လျောညီထွေဖြစ်အောင် စီစဉ်ပြီး သိပ္ပံနည်းကျရှာဖွေတွေ့ရှိမှုအတွက် အထွေထွေရည်ရွယ်ချက် အပြည့်အ၀ တူညီသော ပိုက်လိုင်းတစ်ခုဆီသို့ တည်ဆောက်သွားရန် စီစဉ်ထားသည်။
ဤ arc သည် ရင်းနှီးသည်ဟု ထင်ပါက၊ ၎င်းသည် ဒီဇိုင်းအားဖြင့်ဖြစ်သည်။ ဘာသာစကားမော်ဒယ်များသည် ယေဘုယျရည်ရွယ်ချက်သုံးကိရိယာများအဖြစ် ချဲ့ထွင်ခြင်းမပြုမီ ကျဉ်းမြောင်းသော၊ လုပ်ဆောင်စရာစနစ်များအဖြစ် နှစ်ပေါင်းများစွာကြာအောင် သုံးစွဲခဲ့ကြသည်—နှင့် WorldParticle အဖွဲ့သည် ရုပ်ပိုင်းဆိုင်ရာပုံသဏ္ဍာန်သည် အလားတူလမ်းကြောင်းအတိုင်း၊ တစ်ကြိမ်လျှင် အမှုန်အမွှားအဆင့်ကို လိုက်နိုင်ကြောင်း အတိအလင်း လောင်းကြေးထပ်ထားသည်။
ဤဆောင်းပါးသည် 2026 ခုနှစ် နိုဝင်ဘာလ 9 ရက်နေ့တွင် MIT News မှထုတ်ဝေသော Adam Zewe မှ အစီရင်ခံတင်ပြခြင်းအပေါ် အခြေခံထားသည်။---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
