AI仿真器将大大提高科学领域的仿真模拟速度

2020-03-25 15:10
中国计算机报 2020年9期
关键词:卡西姆機器仿真器

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。

猜你喜欢
卡西姆機器仿真器
书刑
“书刑”
“书刑”
基于多用户无线仿真器系统的研究
机器人“小K”
基于多线程的惯导逻辑仿真器设计
天文测量仿真器模拟星图精度分析
基于32位SPARC处理器的JTAG仿真器设计与实现