MIT 等提出 WorldParticle：单一 AI 模型统一模拟沙子流动与蛋白质折叠

如今，想要模拟某一物理过程的科学家必须为该特定任务挑选合适的工具，例如为流水构建的求解器，或为模拟蛋白质折叠方式而设计的另一套求解器。每一个都是围绕支配该过程行为的特定方程手工编写的。

麻省理工学院、不列颠哥伦比亚大学（UBC）及其他机构的研究人员如今用一种名为 WorldParticle 的单一深度学习系统取代了这种拼凑式方案，该系统可以帮助工程师用统一的一个人工智能架构来模拟从滑动沙粒到折叠蛋白质等不同的物理现象。

科学家和工程师可以用该系统来模拟通常需要多个独立模拟器的过程，例如流体对可变形固体的晃动冲击。举例来说，这可以提供一种更快、更准确的方式来模拟晃动的油如何影响储罐中的弹性阀门。它还可以帮助工程师研究当软体机器人接触沙土或土壤等颗粒材料时，这些材料会在何处以及如何移动。

该系统将它所模拟的每一种材料——从沙丘到蛋白质分子——都表示为微小粒子，并逐步预测这些粒子的移动位置。由于它学习的是底层动力学，而不是通过方程进行编程，因此该模型能够适应训练中从未遇到过的材料、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，并探索用现有模拟方法无法有效研究的物理过程。

“我们希望迎来模拟领域的 GPT 时刻，”Peter Yichen Chen 说，他是麻省理工学院前博士后，现为 UBC 助理教授，也是这项技术的开放获取论文的共同通讯作者。“每当人们想为某一物理现象构建模拟器时，都需要从头编写代码。我们的愿景是拥有一个基础模型，能对你想要模拟的任何场景开箱即用。这是朝着这个方向迈出的第一步。”

与 Chen 共同担任通讯作者和共同第一作者的还有麻省理工学院博士后 Minghao Guo；共同第一作者、UBC 研究生 Caoliwen Wang 和 Siyuan Chen；领导计算机科学与人工智能实验室（CSAIL）计算设计与制造小组的麻省理工学院电气工程与计算机科学教授 Wojciech Matusik；以及来自 UBC、佐治亚理工学院、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人员。这项研究将在 ACM SIGGRAPH 亚洲计算机图形学与交互技术会议暨展览会上展示。

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。这些强大的人工智能系统学习支配物理世界的规则，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。

研究人员应用这些概念开发出一种统一的 AI 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，就需要两个模拟器——每个物理体系一个。但如果你把它们统一到一个模型中，也许就能耦合这两个过程的物理机制，并获得对新问题的洞见？”Guo 说。

WorldParticle 使用所谓的拉格朗日表示法，将一个物体分解成数千或数百万个微小的三维点或粒子。它追踪粒子在空间和时间中的运动和速度，以模拟材料的动力学。

通常，当科学家使用拉格朗日粒子对材料和物理过程进行建模时，他们会使用一个控制方程来定义控制该材料在时间和空间中行为方式的基本定律。他们必须将这个复杂的方程转换为数值求解器可以处理的公式，并为他们想要建模的每种材料和过程重复这些步骤。

相反，研究人员设计了一个神经网络，它可以学习求解一般性的控制方程，从而无需为处理每一个方程而设计新的模型和求解器。 

一旦 WorldParticle 将物体转换为粒子，神经网络就会将粒子的 3D 位置和物理属性作为输入。它输出这些粒子在模拟下一帧中的位置和属性，以一秒为增量预测材料在时间和空间中的运动。 

“它的架构与 ChatGPT 类似。但我们的模型不是一次预测一个词来写一段文本，而是预测这些粒子将如何移动，一次一步，”Chen 说。

在每个模拟步骤之前，WorldParticle 会分离影响物理系统的外力，例如当海浪撞击海堤时影响海浪的冲力。 

在预测粒子的初始状态后，WorldParticle 将外力整合回模拟中，根据这些力如何影响物体行为来修正其粒子预测。通过这种方式，该系统可以泛化到未见过的材料、变化的环境条件和各种力。

通用、可扩展的框架

但由于一个复杂物体可能被分解成数百万个粒子，问题很快就会变得计算量过大，模型无法处理。 

为了简化处理，研究人员采用了一种合并技术来组合和压缩粒子，同时仍能让 WorldParticle 捕捉其行为的细粒度细节。

“我们需要进行大量细致的工程工作，并对架构进行许多调整，才能使其真正具有通用性和可扩展性，”Guo 说。

他们通过对六种不同的物理现象进行建模来展示 WorldParticle，包括可变形物体、颗粒材料和蛋白质，其精度高于数值模拟方法。 

例如，WorldParticle 有效捕捉了一个颗粒物体如何坍塌成一堆，而一些基线方法则让沙粒漂浮在空中。Guo 补充说，他们的方法对蛋白质结构随时间变化的建模速度也比数值模拟器快约 100 倍。 

研究人员表示，这个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 演化以及星系合并等天体物理现象。

接下来，他们希望调整 WorldParticle 来模拟这些和其他物理系统。他们还希望在这项工作的基础上，朝着为科学发现开发完整的通用模拟流程而努力。 

 “我们看到计算与科学的融合为我们带来了新的洞见和工具，用以发现物理现象或解释某些无法解释的物理现象，”郭说。“借助统一模型，我们能够解锁许多我们甚至无法想象的发现。”