MIT 等推 WorldParticle:一个模型模拟沙粒到蛋白质多种物理过程
MIT News AI · rss · 2026-11-09
MIT、UBC 等机构在 SIGGRAPH Asia 发表开源论文,提出统一深度学习模拟系统 WorldParticle,目标是「模拟领域的 GPT 时刻」——用一个基础模型替代为每种物理过程手工编写的求解器。
方法:
- 采用拉格朗日粒子表示,把物体(沙丘、蛋白质等)分解为百万级 3D 粒子,神经网络以粒子位置与物理属性为输入,逐步预测下一帧状态,类似 ChatGPT 逐词生成
- 学习控制方程的一般解法,而非针对每种材料硬编码,因此能泛化到训练时未见过的材料与环境
- 每步预测前分离外部力(如海浪冲击力),预测后再积分回模拟以修正结果;并用粒子合并压缩技术控制计算量
结果:演示了可变形体、颗粒材料、蛋白质等六类现象,精度高于数值方法;蛋白质结构演化模拟比数值求解器快约 100 倍。
团队由 Peter Yichen Chen(UBC)、Minghao Guo(MIT)共同领导,Wojciech Matusik 参与;未来希望扩展到软体机器人操作、RNA 演化、星系合并等,构建通用科学模拟管线。
「研究」频道最新
- 最强 3D 生成模型仍反复犯三类低级错误：Z-fighting、单面几何、坐标系错位 — teortaxesTex · 2026-11-09
- EPFL 研究者将在线讲解掩码扩散语言模型的轨迹感知训练 — AnnaCiaunica · 2026-11-09
- UC伯克利等新论文：Agent 自我进化提分 5.2 却丢掉 10 个原本会做的任务 — rohanpaul_ai · 2026-11-09
- MoE训练终极手册已有中文版：3万字50+交互图表全覆盖 — Nouamanetazi · 2026-11-09
- 斯坦福DSP传奇Julius Smith三小时深度访谈上线YouTube — teropa · 2026-11-09
- 硬件感知 LDM 实现:状态回卷+窗口写入,大幅降低激活内存与访存开销 — SonglinYang4 · 2026-11-09