Моделирование физической реальности долгое время было фрагментарным делом. Ученому, моделирующему океанские волны, нужен один решатель; компьютерному биологу, наблюдающему за свертыванием белка, нужен другой; инженеру, изучающему песчаные дюны, нужен третий. Каждый инструмент тщательно вручную запрограммирован на основе конкретных уравнений, которые управляют одним узким явлением.
Исследователи из Массачусетского технологического института, Университета Британской Колумбии и ряда сотрудничающих учреждений представили систему, призванную заменить это лоскутное одеяло единой архитектурой. По данным MIT News, система под названием WorldParticle использует одну унифицированную модель глубокого обучения для моделирования самых разных физических процессов — от скольжения песка до складывания белков. Подробнее об этой истории — в нашем новости об ИИ.
Работа, документ с открытым доступом под названием «WorldParticle: Единое мировое моделирование динамики лагранжевых частиц с помощью трансформатора», будет представлена на конференции и выставке ACM SIGGRAPH по компьютерной графике и интерактивным технологиям в Азии. Сотрудничество охватывает MIT, UBC, Технологический институт Джорджии, Inria, Meta, Университет Пенсильвании, Университет Юты, Калифорнийский университет в Лос-Анджелесе и Университет Гонконга.
«Момент GPT» для моделирования
«Мы хотим создать момент GPT для моделирования», — сказал Питер Ичен Чен, бывший постдоктор Массачусетского технологического института, который сейчас является доцентом в UBC и соавтором статьи, в отчете MIT News. «Каждый раз, когда люди хотят создать симулятор определенного физического явления, им необходимо написать его с нуля. Наше видение состоит в том, чтобы иметь базовую модель, которая работает «из коробки» для любого сценария, который вы хотите смоделировать. Это первый шаг в этом направлении».
Упоминание GPT не случайно. Архитектура WorldParticle заимствует ту же идею последовательного прогнозирования, которая лежит в основе больших языковых моделей. «Это архитектура, похожая на ChatGPT. Но вместо того, чтобы предсказывать по одному слову для написания фрагмента текста, мы предсказываем, как эти частицы будут двигаться, шаг за шагом», — сказал Чен.
К Чену присоединились со-корреспондент и соведущий автор Минхао Го, постдок Массачусетского технологического института, а также соруководители Каоливен Ван и Сиюань Чен, аспиранты UBC. В команду также входит Войцех Матусик, профессор электротехники и информатики Массачусетского технологического института, который возглавляет группу вычислительного проектирования и производства в Лаборатории компьютерных наук и искусственного интеллекта (CSAIL).
Как работает WorldParticle
Система основана на давней идее вычислительной физики: лагранжевом представлении, в котором материал описывается как совокупность дискретных частиц, положение и скорость которых меняются с течением времени. WorldParticle разбивает каждый объект, который он моделирует, на тысячи или миллионы крошечных трехмерных точек, а затем отслеживает, как эти частицы движутся в пространстве и времени.
Изучайте уравнения, а не программируйте их вручную
Отход от традиции заключается в том, что пишут правила. В классическом конвейере ученый начинает с основного уравнения, которое определяет поведение материала, затем преобразует эту сложную математическую формулу в формулу, с которой может справиться численный решатель, повторяя все упражнение для каждого нового материала или процесса.
Вместо этого WorldParticle использует нейронную сеть, которая учится решать основные уравнения в целом. Сеть принимает трехмерные положения и физические свойства частиц в качестве входных данных и выводит их положения и свойства для следующего кадра моделирования, предсказывая движение материала во времени и пространстве с шагом в одну секунду.
Обращение с внешними силами
Реальные материалы постоянно подвергаются воздействию сил, которые модель не может полностью предугадать: океанская волна, врезающаяся в дамбу, или нога, вдавливающаяся в песок. Перед каждым шагом моделирования WorldParticle выделяет внешние силы, действующие на систему. После прогнозирования начальных состояний частиц система интегрирует эти силы обратно в симуляцию, корректируя свои прогнозы на основе того, как силы влияют на поведение объекта.
Исследователи сообщают, что этот цикл коррекции позволяет модели обобщать материалы, условия окружающей среды и силы, с которыми она никогда не сталкивалась во время обучения.
Сжатие миллионов частиц
Масштаб представлял собой главную инженерную задачу. Сложный объект может распасться на миллионы частиц, быстро превышая вычислительный бюджет модели. Чтобы обеспечить удобство обработки, команда использовала технику слияния, которая объединяет и сжимает частицы, сохраняя при этом мелкие детали их поведения.
«Нам нужно было провести много детального проектирования и внести множество изменений в архитектуру, чтобы она была по-настоящему обобщаемой и масштабируемой», — сказал Го MIT News.
Протестировано против шести физических явлений
Исследователи продемонстрировали WorldParticle на шести различных физических явлениях, включая деформируемые объекты, зернистые материалы и белки, продемонстрировав более высокую точность, чем традиционные методы численного моделирования.
Примеры были конкретными. В ходе одного детального теста WorldParticle зафиксировал, как куча материала разрушается под действием силы тяжести, в то время как некоторые базовые методы оставляли частицы песка невероятным образом парящими в воздухе. По словам Го, в области молекулярной динамики система моделировала, как белковые структуры изменяются со временем примерно в 100 раз быстрее, чем численные симуляторы.
Практическая выгода проявляется в обоих направлениях: более быстрые результаты по проблемам, которые ученые уже изучают, и возможность объединять явления, которые раньше требовали отдельных симуляторов. Команда выделяет такие сценарии, как выплескивание жидкости на деформируемое твердое тело (например, как выплескивание масла может вызвать нагрузку на упругий клапан внутри резервуара для хранения), где жидкость и структуру, на которую она давит, необходимо моделировать вместе.
От мягких роботов к слиянию галактик
Общность фреймворка указывает на приложения, выходящие далеко за рамки компьютерной графики. Исследователи говорят, что тот же подход может помочь в выполнении задач по манипулированию мягкими роботами, в которых совместимая машина должна предсказать, как песок или почва сместятся под ее прикосновением. В качестве доменов-кандидатов они также перечисляют эволюцию РНК и даже астрофизические явления, такие как слияние галактик.
В долгосрочной перспективе команда надеется, что эта работа поможет ученым открыть новые материалы и изучить физические процессы, которые существующие методы моделирования не могут эффективно изучить.
«Мы видим, что объединение вычислений и науки дает нам новые идеи и инструменты для открытия физических явлений или объяснения некоторых необъяснимых физических явлений», — сказал Го. «Благодаря единой модели мы могли бы сделать множество открытий, которые даже не можем себе представить».
Первый шаг, а не готовый фундамент
Исследователи стараются представить WorldParticle как первый шаг, а не как завершенную базовую модель. В дальнейшем они планируют адаптировать систему к большему количеству физических систем и создать полноценный конвейер моделирования общего назначения для научных открытий.
Если эта дуга звучит знакомо, то это сделано специально. Языковые модели годами работали как узкие системы, ориентированные на каждую задачу, прежде чем превратились в инструменты общего назначения — и команда WorldParticle делает ставку на то, что физическое моделирование может идти по аналогичному пути, шаг за шагом по одной частице.
Эта статья основана на репортаже Адама Зеве, опубликованном MIT News 9 ноября 2026 г.---
Будьте в курсе ИИПоследние новости, аналитика и прорывы в сфере ИИ — всё в одном месте.
Читать больше новостей об ИИ →
