Định luật Newton Đối đầu với Pixel: AI được dạy để 'Cảm nhận' Vật lý
MIT Computer Science and Artificial Intelligence Laboratory
MIT CSAIL và Đại học Tsinghua đã tạo ra GeoPT, một bộ mô phỏng vật lý phổ quát cho phép AI hiểu cơ học từ động lực học tổng hợp trước khi xử lý các bản thiết kế công nghiệp chuyên biệt. Trong các thử nghiệm công nghiệp, GeoPT đạt độ chính xác cao nhất nhanh gấp bốn lần so với các phương pháp thay thế trên các hình học phức tạp với 100 triệu điểm nút, sử dụng ít hơn 60% dữ liệu do con người chuẩn bị.
Các kỹ sư từ Phòng thí nghiệm Khoa học Máy tính và Trí tuệ Nhân tạo (CSAIL) của MIT (Viện Công nghệ Massachusetts) và Đại học Thanh Hoa (Tsinghua University) đã giới thiệu GeoPT, một kiến trúc dành cho trình mô phỏng vật lý phổ quát. Khác với các mô hình sinh (generative models) vốn xử lý tốt văn bản và hình ảnh, GeoPT tập trung vào các quá trình cơ học và khí động học. Hệ thống được huấn luyện trước trên một tập dữ liệu gồm 1,3 triệu tình huống, bao gồm hàng triệu hạt vi mô ảo di chuyển theo nhiều góc khác nhau và va chạm với các hình dạng 3D. Điều này giúp thuật toán nắm bắt vật lý ở mức độ trực quan trước khi làm việc với các bản thiết kế công nghiệp chuyên biệt. Người dùng có thể tải lên một mô hình 3D và chỉ định hướng của lực để nhận được bản đồ nhiệt thể hiện biến dạng, luồng khí hoặc sự phân bố ánh sáng chỉ trong vài giây. Trong các thử nghiệm công nghiệp trên những hình học phức tạp với 100 triệu điểm nút, GeoPT đạt độ chính xác cao nhất nhanh hơn bốn lần so với các hệ thống tương đương khi tính toán độ ổn định của tàu thủy và luồng khí quanh máy bay chiến đấu, đồng thời chỉ cần 60% lượng dữ liệu do con người gán nhãn so với trước. Các nhà phát triển mô tả vật lý là phương thức (modality) then chốt thứ ba đối với AI (trí tuệ nhân tạo) và có kế hoạch mở rộng quy mô hệ thống để dự đoán các hiện tượng thời tiết bất thường cũng như tạo ra video vật lý chân thực.
Nguồn: Hightech.fm —
bản gốc