現在の科学シミュレーションは、専門家ばかりが並ぶ道具箱のようなものです。流れる水のソルバーはタンパク質の折りたたみについて何も知らず、どれもそれぞれの問題の方程式に合わせて手作業で作られています。MIT、ブリティッシュコロンビア大学をはじめとする複数の機関のチームは、この寄せ集めを1つの学習済みモデルに置き換えようとしており、その最初の版であるWorldParticleを、コンピューターグラフィックスの国際会議SIGGRAPH Asiaで発表します。
手法の説明は簡単です。砂丘からタンパク質の分子まで、どんな物質も数千から数百万の小さな3Dの点に分解します。いわゆるラグランジュ表現です。ChatGPTの背後にあるのと同じ系統のネットワークであるトランスフォーマーが、粒子の位置と物理的な性質を受け取り、次のフレームで粒子がどこにあるかを1ステップずつ予測します。研究者は、次の単語を予測するのと同じことを物質についてやっていると説明しています。防波堤にぶつかる波のような外力は各ステップの前に切り離し、後から戻します。チームによると、これにより学習時に見なかった物質や力、条件にも対応しやすくなります。また、粒子をまとめて圧縮する手法により、非常に大きな場面も扱えるようにしています。
チームは、変形する物体、粒状の物質、タンパク質など6種類の物理現象について、比較した数値計算手法より高い精度を報告しています。ある例では、比較手法が砂粒を空中に浮かせたままにしたのに対 し、WorldParticleでは砂山が本来どおり崩れました。タンパク質の構造変化では、数値シミュレーターより約100倍速く動きました。
魅力は連成にあります。柔らかい弁にぶつかって揺れる油や、土に押し込まれるソフトロボットのように、実際の工学の問題の多くは異なる領域が混ざっており、現在は2つのシミュレーターをつなぎ合わせる必要があります。両方を扱える1つのモデルがあれば、こうした研究はずっと簡単になるかもしれません。研究者はこれを、シミュレーションのための基盤モデルへの第一歩と位置づけ、将来の対象としてRNAから銀河の合体までを挙げています。
現時点の根拠は大学のプレスリリースと、その元になったオープンアクセスの論文で、プレスリリースには約100倍の高速化以外の数字はほとんどありません。学習型のシミュレーターは、保存則に基づく従来のソルバーでは起きないような形で、長時間の計算中に誤差がずれていくことがあります。安全性が重要な分野の技術者は、検証済みの道具を置き換える前に誤差の上限を求めるでしょう。学習データから大きく離れた物質にどこまで通用するかは、独立した検証が最も必要な主張です。