AI仿真器将大大提高科学领域的仿真模拟速度

对于极其复杂的自然现象，例如亚原子粒子如何相互作用，以及大气雾如何影响气候等，即使利用人类拥有的最高性能超级计算机，建模也可能要花费几个小时。然而，基于機器学习的人工智能仿真器则跳过了传统的繁琐步骤，借助完整模拟的输入和输出，能寻找模式并学习猜测新输入将对模拟产生什么影响，而无论要建模的是原子、大气还是星系，都可以实现大幅加速。

牛津大学物理学家穆罕默德·卡西姆领导了一项技术研究——深度仿真器网络搜索（DENSE），是依赖于斯坦福大学计算机科学家开发的一种通用神经结构搜索。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线路。如果添加的计算层可以提高性能，那么它还可进一步被应用在未来仿真器中，通过重复这个过程不断改进。

在展示中，研究人员使用DENSE技术开发了10个仿真器，分别用于物理、天文、地质和气候科学领域。DENSE仿真器表现极其出色——速度比其他模拟器快10万到20亿倍。

这些仿真器非常精确，其中天文仿真器的结果与全模拟的一致性超过99.9%，在这10次模拟中，神经网络仿真器比传统仿真器要好得多。