Het simuleren van de fysieke werkelijkheid is lange tijd een gefragmenteerde aangelegenheid geweest. Een wetenschapper die oceaangolven modelleert, heeft één oplosser nodig; een computerbioloog die naar een eiwitvouwing kijkt, heeft een andere nodig; een ingenieur die zandduinen bestudeert, heeft een derde nodig. Elk hulpmiddel is nauwgezet met de hand gecodeerd rond de specifieke vergelijkingen die één specifiek fenomeen beheersen.
Onderzoekers van MIT, de Universiteit van British Columbia en een reeks samenwerkende instellingen hebben nu een systeem onthuld dat is ontworpen om dat lappendeken te vervangen door één enkele architectuur. Het systeem, genaamd WorldParticle, gebruikt één uniform deep-learning model om zeer verschillende fysieke processen te simuleren – van glijdend zand tot vouwende eiwitten – volgens MIT News. Voor meer context over dit verhaal, zie ons meer AI-verhalen.
Het werk, een open-access paper getiteld "WorldParticle: Unified World Simulation of Lagrangian Particle Dynamics via Transformer", zal worden gepresenteerd op de ACM SIGGRAPH Conference and Exhibition on Computer Graphics and Interactive Techniques in Azië. De samenwerking omvat MIT, UBC, Georgia Tech, Inria, Meta, de Universiteit van Pennsylvania, de Universiteit van Utah, UCLA en de Universiteit van Hong Kong.
Een 'GPT-moment' voor simulatie
"We willen een GPT-moment hebben voor simulatie", zegt Peter Yichen Chen, een voormalige MIT-postdoc die nu assistent-professor is bij UBC en co-corresponderende auteur van het artikel, in het rapport van MIT News. "Elke keer dat mensen een simulator willen bouwen voor een bepaald fysiek fenomeen, moeten ze deze helemaal opnieuw coderen. Onze visie is om een basismodel te hebben dat out-of-the-box werkt voor elk scenario dat je wilt simuleren. Dit is een eerste stap in die richting."
De verwijzing naar GPT is niet toevallig. De architectuur van WorldParticle leent hetzelfde idee van sequentiële voorspelling dat grote taalmodellen aanstuurt. "Het is een vergelijkbare architectuur als ChatGPT. Maar in plaats van woord voor woord te voorspellen om een stuk tekst te schrijven, voorspellen we stap voor stap hoe deze deeltjes zullen bewegen", aldus Chen.
Chen wordt vergezeld door co-corresponderend en co-hoofdauteur Minghao Guo, een MIT-postdoc, en co-hoofdauteurs Caoliwen Wang en Siyuan Chen, afgestudeerde studenten bij UBC. Tot het team behoort ook Wojciech Matusik, een MIT-professor elektrotechniek en computerwetenschappen die leiding geeft aan de Computational Design and Fabrication Group binnen het Computer Science and Artificial Intelligence Laboratory (CSAIL).
Hoe WorldParticle werkt
Het systeem berust op een al lang bestaand idee in de computationele fysica: de Lagrangiaanse representatie, waarin een materiaal wordt beschreven als een verzameling discrete deeltjes waarvan de posities en snelheden in de loop van de tijd evolueren. WorldParticle verdeelt elk object dat het simuleert in duizenden of miljoenen kleine driedimensionale stippen en volgt vervolgens hoe die deeltjes door ruimte en tijd bewegen.
De vergelijkingen leren, niet handmatig coderen
Het afwijken van de traditie ligt in wat de regels schrijft. In een klassieke pijplijn begint een wetenschapper met een leidende vergelijking die definieert hoe een materiaal zich gedraagt, en zet die complexe wiskunde vervolgens om in een formule die een numerieke oplosser aankan – waarbij hij de hele oefening herhaalt voor elk nieuw materiaal of proces.
WorldParticle gebruikt in plaats daarvan een neuraal netwerk dat algemene vergelijkingen leert op te lossen. Het netwerk neemt de 3D-posities en fysieke eigenschappen van de deeltjes als invoer en voert hun posities en eigenschappen uit voor het volgende frame van de simulatie, waarbij de beweging van het materiaal in tijd en ruimte wordt voorspeld in stappen van één seconde.
Omgaan met externe krachten
Materialen uit de echte wereld worden voortdurend rondgeduwd door krachten waarop een model niet volledig kan anticiperen: een oceaangolf die tegen een zeewering botst, of een voet die in het zand drukt. Vóór elke simulatiestap scheidt WorldParticle de externe krachten die op het systeem inwerken. Na het voorspellen van de begintoestanden van de deeltjes integreert het systeem deze krachten weer in de simulatie, waarbij de voorspellingen worden gecorrigeerd op basis van de manier waarop de krachten het gedrag van het object beïnvloeden.
Die correctielus, zo melden de onderzoekers, zorgt ervoor dat het model kan generaliseren naar materialen, omgevingsomstandigheden en krachten die het tijdens de training nooit tegenkwam.
Miljoenen deeltjes comprimeren
Schaal vormde de centrale technische uitdaging. Een complex object kan uiteenvallen in miljoenen deeltjes, waardoor het rekenbudget van het model snel wordt overbelast. Om de verwerking overzichtelijk te houden, gebruikte het team een samenvoegingstechniek die deeltjes combineert en comprimeert, terwijl de fijnkorrelige details in hun gedrag behouden blijven.
"We moesten veel gedetailleerde engineering doen en veel aanpassingen aan de architectuur aanbrengen om deze echt generaliseerbaar en schaalbaar te maken", vertelde Guo aan MIT News.
Getest tegen zes fysieke verschijnselen
De onderzoekers demonstreerden WorldParticle op zes verschillende fysieke verschijnselen, waaronder vervormbare objecten, korrelige materialen en eiwitten, en rapporteerden een hogere nauwkeurigheid dan gevestigde numerieke simulatiemethoden.
De voorbeelden waren concreet. In één korrelige test heeft WorldParticle vastgelegd hoe een stapel materiaal onder invloed van de zwaartekracht instort, terwijl sommige basismethoden zanddeeltjes onwaarschijnlijk in de lucht lieten zweven. Op het gebied van de moleculaire dynamica modelleerde het systeem hoe eiwitstructuren in de loop van de tijd ongeveer 100 keer sneller veranderen dan numerieke simulatoren, aldus Guo.
De praktische winst gaat in beide richtingen: snellere resultaten voor problemen die wetenschappers al bestuderen, en het vermogen om fenomenen te koppelen die voorheen afzonderlijke simulatoren vereisten. Het team belicht scenario's zoals vloeistof die tegen een vervormbare vaste stof klotst - bijvoorbeeld hoe klotsende olie een elastische klep in een opslagtank kan belasten - waarbij de vloeistof en de structuur waar deze tegenaan duwt samen moeten worden gemodelleerd.
Van zachte robots tot samensmeltende sterrenstelsels
De algemeenheid van het raamwerk wijst op toepassingen die veel verder gaan dan computergraphics. De onderzoekers zeggen dat dezelfde aanpak zou kunnen leiden tot manipulatietaken van zachte robots, waarbij een meegaande machine moet voorspellen hoe zand of grond zal verschuiven onder invloed ervan. Ze noemen ook RNA-evolutie en zelfs astrofysische verschijnselen zoals het samensmelten van sterrenstelsels als kandidaatdomeinen.
Op de langere termijn hoopt het team dat het werk wetenschappers helpt nieuwe materialen te ontdekken en fysieke processen te onderzoeken die bestaande simulatiemethoden niet effectief kunnen bestuderen.
"We zien dat de eenwording van berekeningen en wetenschap ons nieuwe inzichten en hulpmiddelen geeft om fysieke verschijnselen te ontdekken of enkele onverklaarbare fysieke verschijnselen te verklaren," zei Guo. "Met een uniform model zouden we veel ontdekkingen kunnen ontsluiten die we ons niet eens kunnen voorstellen."
Een eerste stap, geen voltooide basis
De onderzoekers zijn voorzichtig om WorldParticle te beschouwen als een openingszet in plaats van als een voltooid funderingsmodel. In de toekomst zijn ze van plan het systeem aan te passen aan meer fysieke systemen en te bouwen aan een volledige simulatiepijplijn voor algemene doeleinden voor wetenschappelijke ontdekkingen.
Als die boog bekend klinkt, is dat zo ontworpen. Taalmodellen hebben jarenlang als smalle systemen per taak gewerkt voordat ze zich konden opschalen naar tools voor algemeen gebruik – en het WorldParticle-team gokt er expliciet op dat fysieke simulatie een vergelijkbaar pad kan volgen, stap voor stap.
Dit artikel is gebaseerd op rapportage door Adam Zewe, gepubliceerd door MIT News op 9 november 2026.---
Blijf Voorop met AIHet laatste AI-nieuws, analyses en doorbraken — allemaal op één plek.
Lees meer AI-nieuws →
