砂の崩れからタンパク質まで、多様な物質の動きを１つのＡＩで再現する新手法

米マサチューセッツ工科大学（MIT）やブリティッシュコロンビア大学（UBC）などの研究チームは、流れる砂から折りたたまれるタンパク質まで、多様な物理現象を単一の学習させる手法。2010年代のAIブームの原動力。">深層学習システムで再現できる技術「WorldParticle」を開発した。研究成果は、コンピュータグラフィックスの国際会議「ACM SIGGRAPH Asia」で発表される。

固有の方程式に頼らず単一のAIで統合

従来の物理シミュレーションでは、水の流れやタンパク質の折りたたみなど、現象ごとに固有の方程式に基づいた専用の計算プログラムをゼロから構築する必要があった。そのため、変形する固体と流体が同時に作用するような複合的な現象を扱うには、個別のシミュレーターを組み合わせる複雑な作業が求められていた。研究チームは、現実世界の物理法則を学習する「世界モデル」の着想を取り入れ、単一のAIアーキテクチャで複数の物理現象を統一的にシミュレーションする枠組みの構築を試みた。

粒子単位で次の動きを1秒刻みで予測

WorldParticleは、シミュレーション対象となるあらゆる物質を数千から数百万個の微小な3次元の粒子に分割して扱う。ニューラルネットワークが粒子の3次元座標と物理的な特性を入力として受け取り、次のフレームにおける位置と特性を1秒刻みで予測する。言語モデルが単語を順番に予測して文章を生成するように、粒子の次の動きを1段階ずつ予測する仕組みだ。さらに、防波堤に波が衝突する際の衝撃力など、外部から加わる力をシミュレーションの各段階の前に分離し、粒子の初期状態を予測した後に統合して補正を加える手法を採用した。これにより、学習時に遭遇していない物質や環境、力に対しても適応が可能になった。

計算負荷を抑え約100倍の高速化を実証

複雑な物体を数百万個の粒子に分割すると計算負荷が過大になる課題に対しては、挙動の詳細を維持しながら粒子を結合・圧縮するマージ技術を導入して処理を効率化した。変形可能な固体、粒状体、タンパク質など6種類の物理現象を用いた実証では、従来の数値シミュレーションを上回る精度を確認した。例えば、砂が崩れて山になる挙動について、一部の従来手法では粒子が空中に浮遊してしまったのに対し、WorldParticleは正確に崩落の様子を捉えた。また、タンパク質の構造変化を従来の数値シミュレーターに比べて約100倍高速に再現できたという。

未知の現象解明や科学的発見への応用へ

UBC助教授のPeter Yichen Chen氏は「シミュレーションにおけるGPTのような瞬間を起こしたい。あらゆるシナリオでそのまま動作する基盤モデルを目指す第一歩だ」と述べている。また、MIT博士研究員のMinghao Guo氏も、計算と科学の統合が新たな洞察をもたらすと期待を寄せる。研究チームは今後、ソフトロボットの操作やRNAの進化、銀河の合体といった宇宙物理現象への適用を進め、科学的発見のための汎用的なシミュレーション基盤の確立を目指す方針だ。