Jedan AI model simulira mnoge različite stvari

Danas znanstvenik koji želi simulirati neki fizički proces mora odabrati pravi alat za taj zadatak, sustava izgrađenog za tekuću vodu ili drugog dizajniranog za modeliranje načina savijanja proteina. Svaki je ručno kodiran oko specifičnih jednadžbi koje diktiraju kako se taj proces ponaša.

Istraživači na MIT-u, Sveučilištu British Columbia (UBC) i drugdje, sada su zamijenili taj mozaik jedinstvenim sustavom dubokog učenja, nazvanim WorldParticle, koji bi inženjerima mogao pomoći u modeliranju različitih fizičkih pojava, od klizanja pijeska do savijanja proteina, s jednom ujedinjenom arhitekturom umjetne inteligencije.

Znanstvenici i inženjeri mogli bi koristiti ovaj sustav za modeliranje procesa koji obično zahtijevaju odvojene simulatore, poput fluida koji se prska o deformabilnu krutu tvar. To bi moglo ponuditi brži i točniji način simuliranja kako bi ulje koje prska moglo utjecati na elastični ventil u spremniku, na primjer. Također bi moglo pomoći inženjerima da prouče gdje i kako se granularni materijali, poput pijeska ili tla, mogu pomicati kada ih dodirne mekani robot.

Sustav predstavlja svaki materijal koji simulira, od pješčane dine do molekule proteina, kao sitne čestice i predviđa kamo će se te čestice kretati korak po korak. Budući da uči temeljnu dinamiku umjesto da bude programiran jednadžbom, model se može prilagoditi materijalima, silama i okruženjima s kojima se nikada nije susreo tijekom treninga. 

Dugoročno gledano, istraživači se nadaju da će ovaj rad pomoći znanstvenicima u otkrivanju novih materijala i istraživanju fizičkih procesa koje ne bi mogli učinkovito proučavati postojećim metodama simulacije.

Za ovaj rad, istraživači su crpili inspiraciju iz svjetskih modela. Ovi moćni AI sustavi uče pravila koja upravljaju fizičkim svijetom kako bi mogli predvidjeti kako će se objekti ili okruženja mijenjati tijekom vremena kao odgovor na određene radnje ili uvjete.

Istraživači su primijenili ove koncepte kako bi razvili ujedinjenu arhitekturu umjetne inteligencije koja može simulirati više vrsta fizičkih pojava.

WorldParticle razbija objekt na tisuće ili milijune sitnih, trodimenzionalnih točkica ili čestica, koristeći ono što je poznato kao Lagrangeov prikaz. Prati kretanje i brzinu čestica kroz prostor i vrijeme kako bi simulirao dinamiku materijala.

Istraživači su dizajnirali neuronsku mrežu koja uči rješavati upravljačke jednadžbe općenito, eliminirajući potrebu za dizajniranjem novog modela i rješavača za rješavanje svake od njih.

Nakon što WorldParticle pretvori objekt u čestice, neuronska mreža uzima 3D položaje i fizička svojstva čestica kao ulazne podatke. Izlazi s njihovim položajima i svojstvima za sljedeći okvir simulacije, predviđajući kretanje materijala kroz vrijeme i prostor u koracima od jedne sekunde.

Prije svakog koraka simulacije, WorldParticle odvaja vanjske sile koje utječu na fizički sustav, poput impulsnih sila koje utječu na oceanski val kada udari u morski zid.

Nakon predviđanja početnih stanja čestica, WorldParticle integrira vanjske sile natrag u simulaciju, ispravljajući svoja predviđanja čestica na temelju toga kako te sile utječu na ponašanje objekta. Na taj način, sustav se može generalizirati na nevidljive materijale, promjenjive uvjete okoline i različite sile.

No budući da se složeni objekt može razbiti na milijune čestica, problem brzo postaje previše računalno zahtjevan da bi ga model mogao riješiti.

Kako bi pojednostavili obradu, istraživači su koristili tehniku ​​spajanja kako bi kombinirali i komprimirali čestice, a istovremeno omogućili WorldParticleu da uhvati sitne detalje njihovog ponašanja.

Demonstrirali su WorldParticle modelirajući šest različitih fizičkih fenomena, uključujući deformabilne objekte, granularne materijale i proteine, s većom točnošću od metoda numeričke simulacije.

Na primjer, WorldParticle je učinkovito uhvatio kako bi se granularni objekt urušio u hrpu, dok su neke osnovne metode ostavile čestice pijeska da lebde u zraku. Njihova metoda je također modelirala kako se strukture proteina mijenjaju tijekom vremena oko 100 puta brže od numeričkih simulatora.

Istraživači kažu da bi se opći okvir mogao primijeniti na mnoge materijale i procese, uključujući zadatke manipulacije mekim robotima, evoluciju RNK i astrofizičke fenomene poput spajanja galaksija.

U budućnosti žele prilagoditi WorldParticle za simulaciju ovih i drugih fizičkih sustava. Također žele graditi na ovom radu prema razvoju potpunog, općeg simulacijskog cjevovoda za znanstvena otkrića.

Znanstveni rad možete pronaći na ovoj poveznici.