Wie nu wil narekenen hoe water tegen een klep klotst of hoe een eiwit van vorm verandert, pakt voor elk proces een apart rekenprogramma. Elk van die simulatoren is met de hand geschreven rond de natuurkundige vergelijkingen die bij dat ene verschijnsel horen. Onderzoekers van MIT en de University of British Columbia (UBC) willen dat lappendeken vervangen door één AI-model. Ze noemen het WorldParticle.

Alles wordt deeltjes

Het idee is eenvoudig uit te leggen. WorldParticle hakt elk materiaal, van een zandduin tot een eiwitmolecuul, op in duizenden tot miljoenen kleine deeltjes in drie dimensies. Een neuraal netwerk krijgt de posities en eigenschappen van die deeltjes binnen en voorspelt waar ze een stap later zitten. Stap voor stap ontstaat zo een simulatie.

Mede-onderzoeker Peter Yichen Chen, inmiddels universitair docent aan UBC, vergelijkt het met een taalmodel: waar ChatGPT het volgende woord voorspelt, voorspelt dit model de volgende beweging van de deeltjes. Het verschil met klassieke simulatoren is dat het model de onderliggende dynamiek leert, in plaats van dat iemand de vergelijking erin programmeert. Externe krachten, zoals een golf die tegen een kademuur slaat, rekent het apart door en verwerkt het daarna weer in de voorspelling. Daardoor zou het model ook overweg kunnen met materialen en omstandigheden die het tijdens de training niet heeft gezien.

Wat het tot nu toe kan

Volgens MIT testte het team WorldParticle op zes soorten natuurkundige verschijnselen, waaronder vervormbare objecten, korrelige materialen zoals zand en eiwitten. Het model was daarbij nauwkeuriger dan de gebruikelijke numerieke methoden, aldus de onderzoekers. Een paar voorbeelden die ze noemen:

  • Een berg zand die inzakt, viel netjes tot een hoop, terwijl sommige vergelijkingsmethoden zandkorrels in de lucht lieten zweven.
  • Vormveranderingen van eiwitten rekende het model ongeveer 100 keer sneller door dan numerieke simulatoren.
  • Het combineert processen die normaal twee simulatoren vragen, zoals een vloeistof die tegen een vervormbaar onderdeel aan klotst.

Om miljoenen deeltjes te kunnen verwerken, voegt het systeem deeltjes slim samen zonder fijne details kwijt te raken. Het onderzoek wordt gepresenteerd op SIGGRAPH Asia, een grote conferentie over computergraphics, en het artikel is vrij toegankelijk.

Een 'GPT-moment' voor simulatie?

De onderzoekers spreken zelf de ambitie uit van een basismodel voor simulatie dat je voor elk scenario kunt inzetten, zonder telkens opnieuw te beginnen. Dat is voorlopig een stip op de horizon: dit is een eerste onderzoeksresultaat op een beperkt aantal verschijnselen, nog geen kant-en-klaar gereedschap voor ingenieurs. Toepassingen die het team noemt, zoals RNA-evolutie of botsende sterrenstelsels, zijn plannen voor later.

WorldParticle past in een bredere trend. De AI-sector zet zwaar in op modellen die de fysieke wereld nabootsen, zoals we eerder beschreven in ons stuk over wereldmodellen achter robots en zelfrijdende auto's. Waar die vooral beelden en omgevingen voorspellen, richt WorldParticle zich op natuurkunde op het niveau van deeltjes. Dat is interessant voor de chemie-, materiaal- en procesindustrie, ook in Nederland, waar simulaties nu vaak veel rekentijd kosten. MIT werkte eerder met chemiebedrijf BASF al aan CheMeleon, een model dat eigenschappen van moleculen voorspelt.