單一 AI 模型模擬多種物質行為，從流動沙粒到摺疊蛋白質

單一架構取代分散式模擬工具

麻省理工學院（MIT）與不列顛哥倫比亞大學（UBC）等機構的研究團隊，開發出一個名為 WorldParticle 的深度學習系統。這套系統用同一個 AI 架構，模擬從流動沙粒到摺疊蛋白質等多種物理現象，目標是取代過去科學家必須針對不同物理過程手寫編碼的分散式模擬工具。以往要模擬流動的水或蛋白質摺疊，科學家得挑選專為單一任務建構的求解器，並依據特定方程式手動編碼。WorldParticle 改用單一架構整合這些功能，為工程師提供更快、更準確的模擬方式。

類 ChatGPT 架構預測粒子移動

WorldParticle 把要模擬的物質，不論是沙丘還是蛋白質分子，都視為微小粒子，並預測這些粒子每一步的移動軌跡。研究人員 Peter Yichen Chen 指出，這套系統的架構類似 ChatGPT，但 ChatGPT 是逐字預測文字來寫成文章，WorldParticle 則是逐步驟預測粒子如何移動。每個模擬步驟之前，系統會先分離影響物理系統的外部力量，例如海浪撞擊海堤時的衝量。預測出粒子的初始狀態後，WorldParticle 再把外部力量放回模擬中，並依這些力量對物體行為的影響，修正粒子預測。這個機制讓模型能適應訓練期間從未遇過的材料、力量與環境。

提升模擬速度與準確性

複雜物體可能含有數百萬個粒子，研究團隊因此採用合併技術來壓縮粒子，同時保留細微的行為細節。研究人員以六種不同的物理現象展示 WorldParticle 的能力，包括可變形物體、顆粒物質與蛋白質，準確性高於數值模擬方法。舉例來說，模擬顆粒物體塌陷成堆時，WorldParticle 能有效捕捉整個過程，而某些基準方法則會留下懸浮在空中的沙粒。另外，這個方法模擬蛋白質結構隨時間變化的速度，約比數值模擬器快 100 倍。研究團隊表示，這套通用框架可應用於軟機器人操作任務、RNA 演化，以及星系合併等天文物理現象。

追求模擬領域的 GPT 時刻

研究團隊希望這項工作能幫助科學家發現新材料，並探索現有模擬方法無法有效研究的物理過程。Peter Yichen Chen 表示，他們希望為模擬領域帶來「GPT 時刻」，建立一個開箱即用、適用於任何模擬場景的基礎模型。Minghao Guo 補充，統一計算與科學將提供新的洞察與工具，用來發現或解釋某些無法解釋的物理現象。這項研究成果將發表於 ACM SIGGRAPH 電腦圖形與互動技術亞洲會議與展覽。參與研究的機構還包括喬治亞理工學院、Inria、Meta、賓夕法尼亞大學、猶他大學、加州大學洛杉磯分校以及香港大學。