La simulation scientifique actuelle est une boîte à outils de spécialistes. Un solveur pour l'eau qui s'écoule ne sait rien du repliement des protéines, et chacun est construit à la main autour des équations de son propre problème. Une équipe du MIT, de l'University of British Columbia et de plusieurs autres institutions veut remplacer ce patchwork par un seul modèle appris, dont la première version, WorldParticle, sera présentée à la conférence d'infographie SIGGRAPH Asia.
L'approche se résume facilement. Tout matériau, d'une dune de sable à une molécule de protéine, est décomposé en milliers ou millions de minuscules points 3D, selon une représentation dite lagrangienne. Un transformer, la même famille de réseaux que celle de ChatGPT, prend les positions et propriétés physiques de ces particules et prédit où elles seront à l'image suivante, pas à pas. Les chercheurs comparent cela à la prédiction du mot suivant, mais pour la matière. Les forces extérieures, comme une vague frappant une digue, sont isolées avant chaque pas puis réintégrées, ce qui selon l'équipe aide le modèle face à des matériaux, des forces et des conditions absents de l'entraînement. Une technique de fusion compresse les particules pour que les très grandes scènes restent gérables.
L'équipe présente des résultats sur six types de phénomènes physiques, dont des objets déformables, des matériaux granulaires et des protéines, avec une précision supérieure à celle des méthodes numériques comparées. Dans un exemple, les méthodes de référence laissaient des grains de sable flotter dans l'air quand WorldParticle laissait le tas s'effondrer comme il le doit. Pour les changements de structure des protéines, il a été environ 100 fois plus rapide que les simulateurs numériques.
L'intérêt tient au couplage. Beaucoup de problèmes d'ingénierie réels mêlent plusieurs régimes, comme de l'huile qui ballotte contre une vanne souple ou un robot mou qui s'enfonce dans le sol, ce qui oblige aujourd'hui à assembler deux simulateurs. Un modèle unique capable de traiter les deux pourrait beaucoup simplifier ces études. Les chercheurs y voient un premier pas vers un modèle de fondation pour la simulation, avec des cibles futures allant de l'ARN à la fusion de galaxies.
Les éléments proviennent pour l'instant d'un communiqué universitaire et de l'article en libre accès qui le sous-tend, et le communiqué donne peu de chiffres hormis l'accélération d'un facteur 100. Les simulateurs appris peuvent dériver sur de longues exécutions d'une manière qui n'affecte pas les solveurs classiques, fondés sur des lois de conservation, et les ingénieurs des domaines critiques pour la sécurité voudront des bornes d'erreur avant de remplacer un outil validé. La capacité à généraliser à des matériaux très éloignés des données d'entraînement est l'affirmation qui appelle le plus des tests indépendants.