A GeoPT fizikai világok szimulációjára tanítja az AI-modelleket

A fizika megértése újfajta adatokkal

A jelenlegi AI-modellek sokféle feladatra alkalmasak, például szöveget, képeket és 3D-modelleket is képesek létrehozni. A robotok vagy járművek viselkedésének különböző környezetekben történő vizsgálatára azonban korlátozottabban használhatók, mert a szöveges és vizuális mintázatoknál nehezebben kezelik a fizikai összefüggéseket.

A megbízható fizikai szimulációkhoz nagy mennyiségű adatra van szükség. A mérnökök numerikus megoldókkal számítják ki a fizikai tulajdonságokat egy 3D-s alakzat különböző pontjain, ez azonban időigényes folyamat. Emiatt nehéz elegendő adatot gyűjteni például repülőgépek biztonságának vagy aerodinamikájának teszteléséhez.

A GeoPT előtanítási megközelítése szintetikus dinamikai adatokat használ. A rendszer 1,3 millió mintát vizsgált, amelyekben apró gömbök különböző sebességgel és szögben mozogtak, majd egy 3D-s objektum adott pontján megálltak. A részecskék érintkezéskor az objektumhoz tapadtak, így a modell a fizikai kölcsönhatások alapjait sajátíthatta el.

Járművek, hajók és ütközések szimulációja

A GeoPT használatához a felhasználónak fel kell töltenie egy objektum 3D-modelljét, majd meg kell adnia a szimulálni kívánt erő irányát és sebességét. Az eredmény egyfajta hőtérkép, amely megmutatja, hogyan hat az erő az objektum különböző részeire.

A módszerrel vizsgálható lehet például, hogyan deformálódik egy autó falnak ütközés után, miként verődik vissza a fény különböző tárgyakról, illetve fennmarad-e egy hajó viharos hullámokon. A kutatók szerint a technológia járművek, például autók és repülőgépek, hétköznapi tárgyak, például székek és tárolók, valamint robotok vizsgálatában is alkalmazható lehet.

A tesztek során a GeoPT összetett 3D-alakzatoknál felülmúlta a vezető szimulációs modelleket sebességben, pontosságban és hatékonyságban. Egy olyan adathalmazon, amely széláramlásra és felületi nyomásra adott válaszokat tartalmazott, szintén jobb eredményeket ért el. Hajótestek levegővel és hullámokkal való kölcsönhatásának vizsgálatakor 60 százalékkal kevesebb címkézett adatra volt szüksége, és négyszer gyorsabban érte el a legjobb pontosságot a vezető alapmodelleknél.

A rendszer autók ütközés utáni alakváltozását is helyesen jelezte kevesebb adattal. Egy játéknyúlhoz hasonló 3D-modellen a fény terjedését is pontosan szimulálta, noha korábban nem ezen a modellen és nem fényfizikai adatokon tanították.

A kutatók fizikai alapmodellt építenének

Az MIT közlése szerint a GeoPT több mint 100 millió hálóponttal készített nagy részletességű szimulációkat másodpercek alatt. Ha ez a teljesítmény mérnöki munkafolyamatokban is hasznosítható, a járműtervek teszteléséhez kevesebb fizikai kísérletre lehet szükség. A kutatók szerint a módszer különösen az ipari szimulációs feladatokban bizonyított.

Minghao Guo, az MIT doktorandusza és a CSAIL kutatója szerint a fizika a szöveg és a képek után az AI-modellek harmadik modalitása lehet. A kutatócsoport célja egy olyan fizikai alapmodell kialakítása, amely sokféle feladathoz képes általánosítani.

A csapat a rendszert több alakzattal és összetettebb fizikai jelenségekkel szeretné bővíteni. A későbbi változatok időjárási mintázatok modellezésére, különböző anyagok tesztelésére és realisztikus videók létrehozására is használhatók lehetnének. A tanulmányt júliusban mutatták be a Nemzetközi Gépi Tanulási Konferencián.