人工智能“捷径”将模拟速度提高数十亿倍
模拟器加速了模拟。例如,美国宇航局使用气溶胶模型来显示澳大利亚火灾产生的烟雾分布。资料来源:美国航天局
即使使用最快的超级计算机来模拟复杂的自然现象也需要几个小时,比如大气烟雾如何影响气候。作为一种快速的仿真算法,模拟器无疑提供了一条捷径。最近在预先打印好的服务器arXiv上发布的一项研究表明,人工智能可以很容易地生成精确的模拟器,将所有科学领域的模拟速度提高了数十亿倍。
“这是一件大事。”唐纳卢卡斯负责劳伦斯利弗莫尔国家实验室的气候模拟,他没有参与这项研究,他说新系统自动创建的模拟器比他的团队设计和训练的模拟器更好更快。新的模拟器可以用来改进他们模拟的模型,帮助科学家充分利用实验设备。卢卡斯说,如果这项工作能够经得起同行的审查,“将会有很大程度的改变。”
一个典型的计算机模拟程序通常会计算物理力在任何时候如何影响原子、云甚至星系。该模拟器基于一种称为机器学习的人工智能形式。随着完整模拟的输入和输出,模拟器将寻找规则并学习推测模拟程序将如何处理新的输入。
新的模拟器基于神经网络(一种受大脑回路启发的机器学习系统),几乎不需要模拟训练。通过一种被称为神经结构搜索的技术,在给定任务中具有最高数据效率的连接模式可以被识别。
这种技术被称为深度模拟器网络搜索(DENSE),它依赖于斯坦福大学计算机科学家MelodyGuan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。如果添加的计算层可以提高性能,那么它很可能在未来的仿真器更改中被选中,并且重复这个过程可以提高仿真器。
关说,看到她的作品被用于“科学发现”,他“非常激动”。英国牛津大学的物理学家*·卡西姆(MuhammadKasim)领导了这项研究,他说他的团队的研究是基于管的研究,因为它平衡了准确性和效率。
研究人员利用密集技术开发了10个模拟器,用于物理学、天文学、地质学和气候科学。密集模拟器运行良好,比其他模拟器快1000到20亿倍。此外,这些模拟器非常精确:天文模拟器的结果与完整模拟的一致性超过99.9%。在10次模拟中,神经网络模拟器比传统模拟器好得多。
卡西姆说,密集技术甚至可以让研究人员实时分析数据,从而节省时间。“稠密仿真器可以足够快地解释数据以修改实验。我希望将来我们可以将它用于现场分析。”