- 麻省理工学院开发的WorldParticle模拟器可预测六种物理系统中粒子的运动。
- 该系统将每种材料视为一群粒子,根据位置和速度进行预测。
- 模型在长时间模拟中表现出较低的误差和更高的稳定性。
- 未来计划将WorldParticle适应更多物理系统,促进科学发现。
麻省理工学院(MIT)及英属哥伦比亚大学(UBC)的研究人员开发出一种基于变压器的模拟器设计,能够预测六种类型物理系统中粒子的运动,包括沙子和蛋白质,依据一篇论文及MIT的发布消息。传统的物理模拟器通常针对特定任务而建设,流动水的求解器所依赖的方程式与折叠蛋白质的求解器不同,且每个求解器均需手动编码。新的系统名为WorldParticle,旨在用一个学习的设计替代这些独立程序,尽管每种类型的材料仍会拥有自己的训练网络。
WorldParticle将每种材料视为一群粒子,每个粒子根据其位置和速度进行跟踪,并逐步预测其下一步的位置。UBC的助理教授及共同通讯作者陈怡辰(Peter Yichen Chen)将这种方法比作ChatGPT,该模型则是一个逐字预测文本的系统。
WorldParticle模拟器的运作原理
该团队在arXiv的预印本中将每个步骤分为两部分。首先进行基本计算,根据已知的外部力量(如推动力)移动粒子。然后,通过学习的修正器调整位置和速度,以考虑粒子之间的相互影响。为了降低计算成本,模型将相似的粒子合并成较小的摘要标记,然后再将信息传递回每个粒子。
研究人员为六个类别(布料、弹性固体、两种流体、沙子及蛋白质运动)训练了独立的网络,训练数据来自于现有的求解器。根据论文报告,与其他三种神经模拟器在流体、布料及沙子任务上的比较中,该模型的误差较低且长时间运行的稳定性较高。这些竞争对手在长时间的模拟中产生了悬浮的沙粒和爆炸的布料。蛋白质运行的步骤为50飞秒,这是传统分子模拟0.5飞秒步骤的100倍。飞秒是十的负15次方秒。
模型的未来发展方向
由于第一步直接处理外部力量,该模型能够对未在训练中见过的推力作出反应。团队建立了一个实时工具,使用戶能够对柔软物体施加力量。在三段现实世界的操作影片中,预测的运动与观察到的运动在质量上相符,论文中并未报告误差数据。若干限制条件也适用。论文指出,记忆是主要限制:第一层同时查看每个粒子,这使得场景限制在大约50,000个粒子,需用单个80GB的图形处理器。
作者们还表示,未来的工作将集中于在所有类别中共享一组权重,并且该模型的准确性相比于专用求解器有所损失。“我们希望在模拟中实现一个GPT时刻,”陈教授表示,描述一个希望能适用于任何场景的基础模型。团队计划将WorldParticle适应更多物理系统,包括柔性机器人任务,并向科学发现的一般模拟管道迈进,MIT表示。
WorldParticle对物理模拟的影响
WorldParticle模拟器的开发标志着物理模拟技术的一大进步,通过基于变压器的设计,能够有效预测多种物理系统中的粒子运动。这不仅提高了模拟的准确性,还降低了计算成本,特别是在长时间运行的稳定性方面。随着未来计划将其应用于更多物理系统,这一技术可能会在柔性机器人及其他科学研究领域中发挥重要作用,推动相关技术的进一步发展。

