- Simulator WorldParticle yang dikembangkan oleh MIT dapat memprediksi gerakan partikel dalam enam jenis sistem fisika.
- Sistem ini memperlakukan setiap jenis material sebagai sekelompok partikel dan memprediksi berdasarkan posisi dan kecepatan.
- Model ini menunjukkan kesalahan yang lebih rendah dan stabilitas yang lebih tinggi dalam simulasi jangka panjang.
- Rencana masa depan adalah untuk mengadaptasi WorldParticle ke lebih banyak sistem fisika, mendorong penemuan ilmiah.
Peneliti dari Massachusetts Institute of Technology (MIT) dan University of British Columbia (UBC) telah mengembangkan desain simulator berbasis transformer yang mampu memprediksi gerakan partikel dalam enam jenis sistem fisika, termasuk pasir dan protein, menurut sebuah makalah dan rilis dari MIT. Simulator fisika tradisional biasanya dibangun untuk tugas tertentu, di mana persamaan yang digunakan oleh solver aliran air berbeda dengan yang digunakan oleh solver pelipatan protein, dan setiap solver perlu dikodekan secara manual. Sistem baru ini, yang disebut WorldParticle, bertujuan untuk menggantikan program-program independen ini dengan desain yang terlatih, meskipun setiap jenis material masih akan memiliki jaringan pelatihan sendiri.
WorldParticle memperlakukan setiap material sebagai sekelompok partikel, di mana setiap partikel dilacak berdasarkan posisi dan kecepatan, dan secara bertahap memprediksi posisi berikutnya. Peter Yichen Chen, asisten profesor di UBC dan penulis korespondensi bersama, membandingkan pendekatan ini dengan ChatGPT, di mana model tersebut adalah sistem yang memprediksi teks kata demi kata.
Prinsip Kerja Simulator WorldParticle
Tim membagi setiap langkah dalam makalah pra-cetak di arXiv menjadi dua bagian. Pertama, dilakukan perhitungan dasar untuk memindahkan partikel berdasarkan gaya eksternal yang diketahui (seperti gaya dorong). Kemudian, posisi dan kecepatan disesuaikan melalui korektor yang terlatih untuk mempertimbangkan interaksi antara partikel. Untuk mengurangi biaya komputasi, model ini menggabungkan partikel yang serupa menjadi token ringkasan yang lebih kecil, kemudian informasi tersebut disampaikan kembali ke setiap partikel.
Para peneliti melatih jaringan independen untuk enam kategori (kain, padatan elastis, dua jenis fluida, pasir, dan gerakan protein) dengan data pelatihan yang berasal dari solver yang ada. Menurut laporan makalah, model ini menunjukkan kesalahan yang lebih rendah dan stabilitas yang lebih tinggi dalam simulasi jangka panjang dibandingkan dengan tiga simulator saraf lainnya dalam tugas fluida, kain, dan pasir. Para pesaing ini menghasilkan partikel pasir yang melayang dan kain yang meledak dalam simulasi jangka panjang. Langkah untuk gerakan protein adalah 50 femtosekon, yang merupakan 100 kali langkah 0,5 femtosekon dari simulasi molekuler tradisional. Femtosekon adalah sepuluh pangkat negatif 15 detik.
Arah Pengembangan Model di Masa Depan
Karena langkah pertama langsung menangani gaya eksternal, model ini dapat merespons gaya dorong yang belum pernah dilihat dalam pelatihan. Tim telah membangun alat waktu nyata yang memungkinkan pengguna untuk menerapkan gaya pada objek lunak. Dalam tiga video operasi dunia nyata, gerakan yang diprediksi sesuai dengan gerakan yang diamati dalam hal massa, meskipun makalah tersebut tidak melaporkan data kesalahan. Beberapa batasan juga berlaku. Makalah tersebut mencatat bahwa memori adalah batasan utama: lapisan pertama melihat setiap partikel secara bersamaan, yang membatasi adegan hingga sekitar 50.000 partikel, yang memerlukan satu GPU dengan kapasitas 80GB.
Para penulis juga menyatakan bahwa pekerjaan di masa depan akan berfokus pada berbagi satu set bobot di semua kategori, dan akurasi model ini mungkin mengalami penurunan dibandingkan dengan solver khusus. "Kami berharap untuk mencapai momen GPT dalam simulasi," kata Profesor Chen, menggambarkan harapan untuk model dasar yang dapat diterapkan pada semua skenario. Tim berencana untuk mengadaptasi WorldParticle ke lebih banyak sistem fisika, termasuk tugas robot fleksibel, dan bergerak menuju saluran simulasi umum untuk penemuan ilmiah, kata MIT.
Dampak WorldParticle terhadap Simulasi Fisika
Pengembangan simulator WorldParticle menandai kemajuan besar dalam teknologi simulasi fisika, yang melalui desain berbasis transformer, mampu memprediksi gerakan partikel dalam berbagai sistem fisika secara efektif. Ini tidak hanya meningkatkan akurasi simulasi tetapi juga mengurangi biaya komputasi, terutama dalam hal stabilitas dalam operasi jangka panjang. Dengan rencana masa depan untuk menerapkannya pada lebih banyak sistem fisika, teknologi ini berpotensi memainkan peran penting dalam penelitian robot fleksibel dan bidang ilmiah lainnya, mendorong perkembangan lebih lanjut dari teknologi terkait.

