Исследователи научили искусственный интеллект моделировать поведение самых разных материалов, от рассыпающегося песка и движущейся воды до ткани и белковых молекул. Новая система WorldParticle использует единую архитектуру нейросети для шести типов физических процессов, которые обычно требуют разных программ и методов расчёта. При моделировании движения атомов белков разработчики смогли увеличить временной шаг вычислений в 100 раз.
Главная особенность WorldParticle в том, что исследователям больше не приходится создавать отдельный алгоритм под каждый физический процесс. Например, чтобы понять, как вода ударяется о стенку резервуара, компьютер должен рассчитать движение жидкости, давление и взаимодействие с поверхностью. Для растягивающейся ткани или рассыпающегося песка нужны уже другие математические модели. Разработчики предложили общий подход, который позволяет решать разные задачи с помощью одной нейросетевой архитектуры.
WorldParticle разбивает виртуальный объект на множество мельчайших частиц и следит за их движением. Каждая частица получает координаты, скорость и набор физических свойств. Нейросеть анализирует окружающие частицы, учитывает их взаимодействие и предсказывает, где окажется каждый элемент через следующий промежуток времени. Повторяя вычисления шаг за шагом, система показывает, как меняется форма объекта, растекается жидкость или движутся атомы внутри молекулы.
По устройству WorldParticle напоминает ChatGPT. В основе обеих систем лежит архитектура трансформера, которая помогает находить зависимости между множеством элементов. Только языковая модель предсказывает продолжение текста, а WorldParticle рассчитывает движение частиц. Нейросеть постепенно учится воспроизводить физические процессы по примерам, поэтому разработчикам не нужно вручную прописывать отдельный способ решения уравнений для каждого материала.
При этом WorldParticle учитывает известные законы физики. Сначала программа рассчитывает, как внешние силы должны повлиять на частицы. Например, как удар волны о преграду изменит движение воды. Затем нейросеть уточняет результат, учитывая взаимодействие частиц между собой. Благодаря разделению вычислений система может справляться с условиями, которых не встречала во время обучения, включая новые формы препятствий и непривычные внешние воздействия.
Чтобы расчёты не перегружали компьютер, разработчики научили WorldParticle временно объединять информацию о соседних частицах. Вместо того чтобы постоянно обрабатывать все взаимодействия по отдельности, нейросеть анализирует более компактное описание объекта, а затем восстанавливает подробности движения. Такой приём помогает учитывать поведение большого количества частиц без чрезмерного роста вычислительной нагрузки.
Исследователи проверили систему на шести видах физических процессов: движении обычных и сложных по своим свойствам жидкостей, деформации ткани, поведении упругих твёрдых тел, сыпучих материалов и атомов белков. Например, WorldParticle смогла правильно воспроизвести, как песчаная фигура обрушивается и превращается в кучу. Некоторые другие нейросетевые симуляторы в аналогичных испытаниях допускали ошибки и оставляли отдельные песчинки висеть в воздухе. При моделировании ткани новая система также лучше сохраняла устойчивость движения на длинных последовательностях.
Особенно интересные результаты разработчики получили при изучении белков. Чтобы проследить, как движутся атомы внутри молекулы, учёные используют молекулярную динамику. Компьютер рассчитывает силы между атомами, определяет их новые положения и повторяет вычисления через чрезвычайно короткие промежутки времени. Для изучения даже небольшого изменения структуры белка могут потребоваться миллионы последовательных расчётов.
WorldParticle смогла предсказывать движение атомов с шагом 50 фемтосекунд вместо 0,5 фемтосекунды, которые использовались в традиционном расчёте. Одна фемтосекунда равна одной квадриллионной доле секунды. Разработчики заявляют, что благодаря более крупным шагам нейросеть способна моделировать изменения белковых структур примерно в 100 раз быстрее. Однако в научной работе подробно показано увеличение временного шага, а полноценного сравнения реального времени работы нейросети и обычного симулятора на одинаковом оборудовании авторы не привели.
Пока WorldParticle нельзя назвать полностью универсальным физическим симулятором. Хотя разработчики используют общую архитектуру для всех шести процессов, каждую разновидность нейросети обучают отдельно. Кроме того, даже мощная видеокарта NVIDIA A100 с 80 ГБ памяти позволяет системе одновременно обрабатывать примерно 50 тысяч частиц. Для моделирования крупных объектов с миллионами элементов вычислительные возможности придётся расширять.
В дальнейшем разработчики хотят применять WorldParticle для создания мягких роботов, поиска новых материалов и изучения молекулярных процессов. Например, инженеры смогут проверять, как роботизированный захват взаимодействует с песком или почвой, а биологи получат дополнительный инструмент для наблюдения за изменениями белков. Исследователи допускают даже моделирование столкновений галактик, хотя столь масштабные задачи пока остаются планами.
Следующий шаг состоит в том, чтобы научить одну версию WorldParticle работать со всеми типами материалов без отдельного обучения под каждую задачу. Если разработчикам удастся решить проблему, физическое моделирование станет гораздо доступнее: вместо набора специализированных программ учёные смогут использовать общую систему, способную рассчитывать поведение самых разных объектов и веществ.
