ШІ отримав «відчуття фізики»: модель MIT прогнозує поведінку об’єктів у воді та на вітрі
Генеративні моделі вже легко створюють тексти, зображення та тривимірні об’єкти, але передбачити, як реальна конструкція поводитиметься у воді, на сильному вітрі або під час механічного навантаження, значно складніше. Дослідники MIT CSAIL і Університету Цінхуа розробили метод попереднього навчання GeoPT, який допомагає нейромережам засвоювати загальні геометричні та фізичні закономірності.
Головна проблема фізичного моделювання полягає в нестачі навчальних даних. Щоб отримати точний результат для конкретної конструкції, інженери часто використовують чисельні розв’язувачі, які послідовно обчислюють фізичні величини у великій кількості точок тривимірної моделі. Такі симуляції можуть бути дуже точними, але потребують значного часу й обчислювальних ресурсів.
Модель вчиться на геометрії, а не на одному завданні
GeoPT змінює логіку підготовки ШІ. Замість навчання окремої нейромережі на кожній конкретній симуляції система спочатку проходить універсальне попереднє навчання на великому наборі тривимірних форм. Вона віртуально відтворює механічні взаємодії та навчається розуміти, як геометрія об’єкта впливає на розподіл фізичних величин.
Наприклад, повітряний потік біля крила літака, вода навколо корпусу судна або тиск на поверхню автомобіля мають різні конкретні параметри, але підкоряються спільним математичним закономірностям. Якщо модель навчиться розпізнавати ці структури один раз, її можна швидше адаптувати до нових типів симуляцій із меншою кількістю спеціально підготовлених прикладів.
Дослідники перевіряли підхід на різних геометричних об’єктах і фізичних завданнях. Після попереднього навчання GeoPT допомагав моделям точніше та ефективніше оцінювати реакцію форм на потоки та механічні впливи. Особливо цікаво, що система краще переносила вивчені закономірності на об’єкти, яких не бачила під час початкового навчання.
Віртуальні випробування можуть стати дешевшими
Для інженерії така технологія потенційно важлива ще до створення фізичного прототипу. Автовиробник може швидше перевіряти аеродинаміку різних кузовів, авіаційна команда — порівнювати варіанти крила, а робототехнічна лабораторія — оцінювати, як корпус або маніпулятор поводитиметься під навантаженням.
Це не означає відмову від класичних чисельних методів чи натурних випробувань. ШІ-модель може швидко відсіювати невдалі варіанти, давати наближені результати й допомагати обирати, які конструкції варто детально перевіряти дорожчими методами. Фінальні інженерні рішення все одно потребують валідації високоточною симуляцією та експериментами.
Автори розглядають GeoPT як крок до так званої фундаментальної моделі фізики. Ідея полягає в тому, щоб створити універсальну основу, яка засвоює великий набір геометричних і фізичних принципів, а потім адаптується до багатьох прикладних завдань — приблизно так, як великі мовні моделі спочатку вчаться на загальних текстових даних, а потім використовуються для спеціалізованих задач.
Якщо цей напрямок масштабуватиметься, майбутні системи автоматизованого проєктування зможуть не лише малювати форму за текстовим описом, а й одразу оцінювати її поведінку в реальному середовищі. Це може зробити ШІ значно кориснішим для авіації, транспорту, робототехніки, промислового дизайну та інших галузей, де красивої тривимірної моделі недостатньо — вона повинна ще й працювати відповідно до законів фізики.
