AI仿真器将模拟速度提高数十亿倍

即使使用迄今最快的超级计算机，模拟复杂的自然现象也需要几个小时。然而，根据美国“科学”网站17日的一份报告，作为一种超快速的模拟算法，人工智能模拟器提供了一条“捷径”——基于神经网络的人工智能可以很容易地生成精确的模拟器，从而将所有科学领域的模拟加速数十亿倍。

对于极其复杂的自然现象，例如亚原子粒子如何相互作用，大气中的雾气如何影响气候，即使是人类拥有的最高性能的超级计算机，建模也可能需要几个小时。然而，基于机器学习的人工智能模拟器跳过了传统的繁琐过程。借助完整模拟的输入和输出，它可以找到模式并学会猜测新的输入将对模拟产生什么影响。然而，无论是原子、大气还是要模拟的星系都可以大大加速。

牛津大学物理学家*·卡西姆领导了这项研究。这项技术被称为深度模拟网络搜索(DENSE)，它依赖于斯坦福大学计算机科学家开发的一般神经结构搜索。它在网络的输入和输出之间随机插入计算层，用有限的数据测试和训练生成的电路。如果增加的计算层可以提高性能，它可以进一步应用于未来的模拟器，并通过重复这个过程不断改进。

在展览中，研究人员使用密集技术开发了10个模拟器，用于物理学、天文学、地质学和气候科学。密集模拟器表现非常好——比其他模拟器快1000到20亿倍。

这些模拟器非常精确，天文模拟器的结果与全模拟结果的一致性超过99.9%。在这10个模拟中，神经网络模拟器比传统模拟器好得多。

劳伦斯利弗莫尔国家实验室的气候模拟科学家唐纳德·卢卡斯(Donald Lucas)没有参与这项研究，但他表示，自动创建神经网络模拟器要比他们的科学家团队设计和培训的模拟器好得多，它还能帮助科学家充分利用他们在实验设施中的时间，这可能会极大地改变未来的科学进程。