Команда инженеров разработала новый метод предварительного обучения нейросетей, который позволяет алгоритмам с высокой точностью симулировать сложные механические и аэродинамические процессы реального мира. Об этом сообщает «Хайтек» со ссылкой на исследование на сервере препринтов arXiv.
Специалисты из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института совместно с коллегами из Университета Цинхуа представили архитектуру универсального физического симулятора GeoPT. До сих пор генеративные модели успешно работали с текстом и изображениями, но не справлялись с тестированием роботов или проектированием транспорта из-за непонимания законов механики. Традиционные цифровые калькуляторы рассчитывают физические свойства объектов слишком медленно, что жестко ограничивает объемы данных для проверки безопасности самолетов или автомобилей.
Созданная система освоила базовые законы природы через концепцию синтетической динамики. Искусственный интеллект обучили на базе из 1,3 млн сценариев, в которых миллионы виртуальных микрочастиц двигались под разными углами и сталкивались с трехмерными фигурами. Благодаря этому алгоритм научился понимать физику объектов на интуитивном уровне еще до начала работы со специализированными промышленными чертежами. Для проведения полноценного теста пользователю достаточно загрузить 3D-модель и указать направление силы, после чего нейросеть за секунды строит тепловую карту деформаций, воздушных потоков или распределения света.
В ходе индустриальных тестов новая модель показала рекордную скорость вычислений на сложных геометриях со 100 млн узловых точек. При расчете устойчивости кораблей на бурных волнах и обтекаемости истребителей ветром алгоритм достиг пиковой точности в четыре раза быстрее аналогов, затребовав при этом на 60% меньше подготовленных человеком данных. Разработчики называют физику третьей ключевой модальностью искусственного интеллекта и планируют масштабировать систему для точного прогнозирования погодных аномалий и создания реалистичных физических видеогенераций.
Обложка: magnific
