如今，科学家若想模拟某个物理过程，必须为这项特定任务挑选合适的工具，比如为流体设计的求解器，或是另一个专门模拟蛋白质折叠方式的求解器。每一种工具都是围绕决定该过程行为方式的特定方程手工编写的。
麻省理工学院（MIT）、英属哥伦比亚大学（UBC）等机构的研究人员，现已用一个名为WorldParticle的单一深度学习系统取代了这种零散拼凑的方式，该系统可以帮助工程师用一套统一的人工智能架构，模拟从流沙到蛋白质折叠等不同的物理现象。
科学家和工程师可以利用这一系统，模拟那些通常需要多个独立模拟器才能完成的过程，比如流体冲击可变形固体的情形。举例来说，这可以提供一种更快、更精确的方式，来模拟储罐中晃动的油液如何影响弹性阀门。它还能帮助工程师研究，当软体机器人接触到沙子或土壤等颗粒材料时，这些材料会在何处、以何种方式移动。
WorldParticle已经在多种现象中得到广泛验证，从微观的蛋白质运动到宏观的物理模拟皆涵盖其中。图中展示了分子、流体和颗粒模拟的动画效果。
图片来源：研究人员提供
该系统将其模拟的每种材料——无论是一片沙丘还是一个蛋白质分子——都表示为微小的粒子，并逐步预测这些粒子将如何移动。由于该模型学习的是底层动力学规律，而非被预先编程写入某个方程，因此它能够适应训练过程中从未遇到过的材料、作用力和环境。
从长远来看，研究人员希望这项工作能帮助科学家发现新材料，并探索那些用现有模拟方法难以有效研究的物理过程。
“我们希望为模拟领域带来一个‘GPT时刻’，”曾任MIT博士后、现为UBC助理教授的彼得·陈（Peter Yichen Chen）说道，他也是这篇开放获取论文的共同通讯作者之一。“每当人们想为某种特定物理现象搭建模拟器时，都需要从零开始编写代码。我们的愿景是建立一个基础模型，无需额外调整，就能对任何想要模拟的场景即开即用。这是朝这个方向迈出的第一步。”
与陈共同担任通讯作者及共同第一作者的，还有MIT博士后郭明浩（Minghao Guo）；共同第一作者、UBC研究生王操雯（Caoliwen Wang）和陈思源（Siyuan Chen）；MIT电气工程与计算机科学教授、计算机科学与人工智能实验室（CSAIL）计算设计与制造小组负责人沃伊切赫·马图西克（Wojciech Matusik）；以及来自UBC、佐治亚理工学院、法国国家信息与自动化研究所（Inria）、Meta、宾夕法尼亚大学、犹他大学、加州大学洛杉矶分校和香港大学的其他研究人员。该研究成果将在ACM SIGGRAPH计算机图形学与交互技术会议（亚洲）上发表。
统一模拟
在这项工作中，研究人员从“世界模型”中汲取了灵感。这类强大的人工智能系统学习支配物理世界的规律，从而能够预测物体或环境在特定动作或条件下将如何随时间变化。
研究人员将这些理念应用于开发一种统一的人工智能架构，可以模拟多种类型的物理现象。
“如果你研究可变形物体和流体，你需要两个模拟器——每种物理状态对应一个。但如果把它们统一到一个模型中，或许就能将这两个过程的物理规律耦合起来，从而对新问题产生新的洞察，”郭明浩说道。
WorldParticle采用所谓的拉格朗日表示法，将一个物体分解成数千甚至数百万个微小的三维点，即粒子。它通过追踪这些粒子在空间和时间上的运动与速度，来模拟材料的动态变化。
通常，科学家使用拉格朗日粒子对材料和物理过程进行建模时，会使用一个控制方程，该方程定义了决定材料如何随时间和空间变化的基本规律。他们必须将这个复杂的方程转换为数值求解器能够处理的公式，并针对每一种想要模拟的材料和过程重复这些步骤。
与此不同的是，研究人员设计了一个神经网络，它能够学习求解各种控制方程的通用方法，从而不再需要为每一个方程单独设计新模型和求解器。
一旦WorldParticle将一个物体转换为粒子，神经网络就会以这些粒子的三维位置和物理属性作为输入。它输出粒子在下一帧的位置和属性，以一秒为增量，预测材料随时间和空间的运动。
“这与ChatGPT的架构类似。不同的是，它不是逐字预测以生成一段文字，而是逐步预测这些粒子将如何移动，”陈说道。
在每一步模拟之前，WorldParticle会分离出影响该物理系统的外部作用力，比如海浪撞击海堤时所受到的冲击力。
在预测出粒子的初始状态后，WorldParticle会将外部作用力重新整合进模拟过程中，根据这些力对物体行为的影响来修正其粒子预测结果。通过这种方式，该系统能够泛化到未曾见过的材料、不断变化的环境条件以及各种不同的作用力上。
一个通用且可扩展的框架
然而，由于一个复杂物体可能被分解为数百万个粒子，这个问题很快就会在计算量上变得过于庞大，超出模型的处理能力。
为了简化处理流程，研究人员采用了一种合并技术，对粒子进行组合和压缩，同时仍让WorldParticle能够捕捉到它们行为中的精细细节。
“我们需要进行大量细致的工程设计，并对架构做出许多调整，才能让它真正具备通用性和可扩展性，”郭明浩说道。
研究人员通过对六种不同物理现象进行建模，展示了WorldParticle的能力，这些现象包括可变形物体、颗粒材料和蛋白质，其准确度高于数值模拟方法。
例如，WorldParticle有效捕捉到了一个颗粒状物体坍塌成堆的过程，而一些基线方法则让沙粒悬浮在空中。郭明浩补充说，他们的方法对蛋白质结构随时间变化的模拟速度，也比数值模拟器快约100倍。
研究人员表示，这一通用框架可以应用于许多材料和过程，包括软体机器人操作任务、RNA进化，以及星系合并等天体物理现象。
展望未来，他们希望让WorldParticle能够模拟这些以及其他物理系统。他们还希望在此基础上进一步发展，朝着构建一套完整的、面向科学发现的通用模拟流程迈进。
“我们认为，计算与科学的统一将为我们带来新的洞察和工具，帮助我们发现物理现象，或解释一些此前无法解释的物理现象，”郭明浩说道。“借助一个统一的模型，我们可以解锁许多我们现在甚至无法想象的发现。”
