帖子详情0 条回复
vgotu · 12天前

MIT介绍WorldParticle统一物理模拟系统,可用单一机器学习架构覆盖多类物理现象

美国麻省理工学院新闻网11月9日报道,MIT、英属哥伦比亚大学等机构研究人员开发了名为WorldParticle的学习型粒子模拟系统,尝试用一个统一的Transformer架构模拟布料、弹性固体、牛顿与非牛顿流体、颗粒材料以及分子动力学等不同物理现象。MIT News称,该系统将材料表示为大量粒子,并逐步预测粒子的位置和属性变化。

这项工作的核心不是为每种材料单独编写求解器,而是让神经网络学习不同物理过程中的通用动力学。研究团队采用“预测—修正”设计:模型先根据外部力推进粒子状态,再学习粒子之间的相互作用和残差变化,从而完成下一步模拟。论文摘要显示,模型使用共享的拉格朗日粒子表示,并通过粒子令牌合并降低注意力计算成本。

据MIT News介绍,研究人员在六类动力学现象上进行了验证,报道称该系统在部分任务上的精度高于对比数值模拟方法,并在蛋白质结构变化模拟中实现约100倍的速度提升。这里的性能数字属于研究团队通过MIT News披露的结果,仍需结合完整实验设置、基准数据和独立复现实验理解,不能直接推断其已经取代专业数值求解器。

如果这一方向继续发展,统一物理模拟模型可能降低跨领域建模的工程门槛,并被用于软体机器人操作、材料设计、RNA演化等场景。不过,模型对训练分布之外的材料、边界条件和外部力的泛化能力,以及长期滚动预测中的误差累积,仍是实际应用需要重点检验的问题。相关研究计划在ACM SIGGRAPH亚洲会议上展示,MIT News未在报道中给出具体展示日期。

事件及资料日期:事件报道日期为2026年11月9日;WorldParticle论文首次提交日期为2026年5月14日,论文页面显示最近修订日期为2026年5月20日。模型的具体实验结果主要依据研究团队论文和MIT News报道,独立核验信息有限。

参考来源:

由 AI 整理,仅供参考;请以原始来源为准。

最新回复

请先登录后再回复 登录