WorldParticle: نموذج ذكاء اصطناعي موحد لمحاكاة متعددة الفيزياء

قدم باحثون من معهد ماساتشوستس للتقنية، وجامعة كولومبيا البريطانية، ومؤسسات متعاونة نموذج WorldParticle، وهو نموذج أساسي يتعلم حركة المادة عبر المقاييس. بدلاً من الاعتماد على محلات منفصلة تعتمد على المعادلات لكل ظاهرة — تدفق السوائل، والوسائط الحبيبية، وطي البروتينات — يمثل النظام كل مادة كمجموعة من الجسيمات ويتنبأ بمساراتها خطوة بخطوة، تماماً كما يتنبأ نموذج اللغة بالرمز التالي.

تم تدريب المعمارية على مجموعة واسعة من بيانات المحاكاة، مما يمكنها من التعميم على مواد وقوى وظروف حدودية لم يسبق رؤيتها. في اختبارات الأداء، يضاهي WorldParticle المحلات المتخصصة أو يتفوق عليها في مهام تتراوح من الديناميكا الجزيئية المجهرية إلى تطور الكثبان الرملية العيانية، وكل ذلك دون معادلات فيزياء مصممة يدويًا.

آثار على البنية التحتية للذكاء الاصطناعي

يتطلب تدريب نموذج بهذا النطاق حوسبة متوازية هائلة: مليارات تفاعلات الجسيمات عبر مجموعات بيانات متنوعة تتطلب عناقيد GPU عالية الإنتاجية مع ترابط منخفض الكمون. لمزودي السحابة مثل AiGpu، يشير ظهور نماذج أساسية للفيزياء إلى فئة أعباء عمل متنامية تمزج أنماط محاكاة HPC التقليدية مع التعلم العميق واسع النطاق، مما يدفع الطلب على مثيلات GPU مرنة وعالية الذاكرة وخطوط أنابيب بيانات محسنة.

بالإضافة إلى الحوسبة، تقلل قدرة النموذج على نقل المعرفة عبر المجالات الفيزيائية من الحاجة إلى تطوير كود خاص بكل مجال، مما يسرع دورات البحث والتطوير في الروبوتات الناعمة، واكتشاف الأدوية، وتخزين الطاقة. يمكن للمهندسين نمذجة سيناريوهات متعددة الفيزياء — مثل تفاعل السائل مع الهيكل في الصمامات أو تماس الروبوت مع التضاريس — في بيئة واحدة، مما يقلل من عبء البرمجيات والوقت اللازم للحصول على رؤى.

مع انتقال المجتمع نحو "لحظة GPT" للمحاكاة، يجب أن تتطور منظومة الأجهزة بالتوازي: سعات نماذج أكبر، وآليات انتباه فعالة لتفاعلات الجسيمات بعيدة المدى، وتكامل سلس مع سلاسل أدوات CAE الحالية ستحدد الجيل القادم من الهندسة المعجلة بالذكاء الاصطناعي.