Fizik simülatörlerinin çoğu tek tek olgu için yazılır: akışkanlar için bir çözücü, kum için bir başkası, yumuşak doku için bir başkası, proteinler için bir başkası. MIT CSAIL ve British Columbia Üniversitesi'nden bir ekip, bunun yerine altta yatan dinamiği öğrenen tek bir sinir ağı kurdu ve altı farklı fiziksel rejimde gösterdi.
ACM SIGGRAPH Asia'da sunulacak ve açık erişimli bir makalede anlatılan WorldParticle, her malzemeyi binlerce ile milyonlarca üç boyutlu parçacık olarak temsil ediyor — Lagrange temsili — ve her parçacığın bir sonraki adımda nereye gideceğini öngörüyor. Eski MIT doktora sonrası araştırmacısı, şimdi UBC'de olan ve makalenin eş sorumlu yazarı Peter Yichen Chen, 'ChatGPT'ye benzer bir mimari' diyor. 'Ama bir metin yazmak için her seferinde bir kelime tahmin etmek yerine, bu parçacıkların nasıl hareket edeceğini adım adım tahmin ediyoruz.'
Alışılmış iş akışı her malzeme için bir yönetici denklem türetmeyi ve bunu sayısal bir çözücünün işleyebileceği biçime çevirmeyi gerektirir — her yeni madde için tekrar tekrar. WorldParticle bunun yerine bir ağı yönetici denklemleri genel olarak çözmeyi öğrenecek şekilde eğitiyor. Ayrıca her tahmin adımından önce dış kuvvetleri ayırıp sonra geri entegre ederek kendi çıktısını düzeltiyor; eğitimde hiç görmediği malzemelere, kuvvetlere ve ortamlara genellemesini sağlayan da bu.
Zorluk ölçekte ve ekibin çözümü gösterişsiz: milyon parçacıklı bir cismin milyon kez değerlendirilmesini önlemek için parçacıkları ince ayrıntıyı koruyarak birleştirip sıkıştırıyorlar.
Gösterimler: deforme olabilen cisimler, granüler malzemeler ve proteinler dahil altı olgu; sayısal temel yöntemlerden daha yüksek doğruluk. Bir karşılaştırmada çöken bir kum yığını yığın olarak kaldı; temel yöntemler kum tanelerini havada bıraktı. Eş lider yazar Minghao Guo'ya göre protein dinamiğinde model, sayısal simülatörlerden yaklaşık 100 kat hızlı çalıştı.
İddia, simülasyon için bir temel model: 'Simülasyon için bir GPT anı yaşamak istiyoruz' diyor Chen; yumuşak robotik, RNA evrimi ve galaksi birleşmeleri gibi astrofizik olguları hedefleniyor. Bu hırs aynı zamanda dürüst sınır: bir araştırma kod tabanında altı olgu bir kavram kanıtı, genel bir simülatör değil; makaledeki karşılaştırmalar da seçilmiş görevlerde klasik çözücülere karşı.
Yine de yön dikkate değer. Dünya modelleri genellikle robotlara ve ajanlara fiziksel dünya sezgisi kazandırmanın yolu olarak tartışılıyor. Burada aynı fikir bilime çevrilmiş: fiziği elle kodlamak yerine bir kez öğrenip, şu anda ayrı yazılım, ayrı uzmanlık ve ayrı doğrulama gerektiren alanlarda yeniden kullanmak.
Çalışmada Wojciech Matusik'in CSAIL'deki Hesaplamalı Tasarım ve Üretim Grubu'nun yanı sıra UBC, Georgia Tech, Inria, Meta, Pennsylvania Üniversitesi, Utah Üniversitesi, UCLA ve Hong Kong Üniversitesi'nden araştırmacılar yer aldı.



