即使是最快的超級(jí)計(jì)算機(jī)，對(duì)極其復(fù)雜的自然現(xiàn)象（例如亞原子粒子如何相互作用或大氣霧如何影響氣候）進(jìn)行建模也可能要花費(fèi)數(shù)小時(shí)。仿真器是可以快速逼近這些詳細(xì)模擬的算法，它們提供了捷徑。現(xiàn)在，在線發(fā)布的工作展示了人工智能（AI）如何輕松地生成精確的仿真器，該仿真器可以加速數(shù)十億次跨所有科學(xué)領(lǐng)域的仿真。

“這很重要，”在勞倫斯·利弗莫爾國(guó)家實(shí)驗(yàn)室（Lawrence Livermore National Laboratory）進(jìn)行氣候模擬的唐納德·盧卡斯（Donald Lucas）說，他沒有參與這項(xiàng)工作。他說，新系統(tǒng)會(huì)自動(dòng)創(chuàng)建比其團(tuán)隊(duì)設(shè)計(jì)和訓(xùn)練的模擬器更好，更快的模擬器，通常是手工完成的。新的仿真器可用于改進(jìn)它們模仿的模型，并幫助科學(xué)家在實(shí)驗(yàn)設(shè)施中充分利用自己的時(shí)間。盧卡斯說，如果這項(xiàng)工作能夠得到同行的評(píng)審，它將“極大地改變事情?！?/p>

一個(gè)典型的計(jì)算機(jī)模擬可能會(huì)在每個(gè)時(shí)間步長(zhǎng)上計(jì)算物理力如何影響原子，云，星系，無論所建模的是什么?；谝环N稱為機(jī)器學(xué)習(xí)的AI形式的仿真器跳過了繁瑣的自然再現(xiàn)。借助完整模擬的輸入和輸出，仿真器尋找模式并學(xué)習(xí)猜測(cè)新輸入將對(duì)模擬產(chǎn)生什么影響。但是為他們創(chuàng)建訓(xùn)練數(shù)據(jù)需要多次運(yùn)行完整的仿真，這正是模擬器要避免的事情。

新的仿真器基于神經(jīng)網(wǎng)絡(luò)（受大腦布線啟發(fā)的機(jī)器學(xué)習(xí)系統(tǒng)），并且所需的培訓(xùn)少得多。神經(jīng)網(wǎng)絡(luò)由簡(jiǎn)單的計(jì)算元素組成，這些元素鏈接到特定于不同任務(wù)的電路中。通常，連接強(qiáng)度是通過培訓(xùn)來發(fā)展的。但是，使用稱為神經(jīng)體系結(jié)構(gòu)搜索的技術(shù)，可以確定給定任務(wù)的數(shù)據(jù)效率最高的接線方式。

該技術(shù)稱為深度仿真器網(wǎng)絡(luò)搜索（DENSE），它依賴于斯坦福大學(xué)計(jì)算機(jī)科學(xué)家Melody Guan共同開發(fā)的通用神經(jīng)體系結(jié)構(gòu)搜索。它在網(wǎng)絡(luò)的輸入和輸出之間隨機(jī)插入計(jì)算層，并使用有限的數(shù)據(jù)測(cè)試和訓(xùn)練所得的布線。如果增加了一層可以提高性能，則將來的版本中很可能包含它。重復(fù)該過程可以改善仿真器。關(guān)說，看到她的作品使用“走向科學(xué)發(fā)現(xiàn)”是“令人興奮的”。牛津大學(xué)的物理學(xué)家穆罕默德·卡西姆（Muhammad Kasim）領(lǐng)導(dǎo)了這項(xiàng)研究，該研究于1月份發(fā)布在預(yù)打印服務(wù)器arXiv上，他說，他的團(tuán)隊(duì)建立在關(guān)的研究之上，因?yàn)樗胶饬藴?zhǔn)確性和效率。

研究人員使用DENSE開發(fā)了用于10個(gè)模擬的仿真器-物理，天文學(xué)，地質(zhì)學(xué)和氣候科學(xué)。例如，一種模擬方法模擬了煙灰和其他大氣氣溶膠反射和吸收陽光的方式，從而影響了全球氣候。運(yùn)行可能需要一千個(gè)小時(shí)的計(jì)算機(jī)時(shí)間，因此，牛津大學(xué)大氣物理學(xué)家，研究合著者鄧肯·沃森·帕里斯（Duncan Watson-Parris）有時(shí)會(huì)使用機(jī)器學(xué)習(xí)模擬器。但是，他說，設(shè)置起來很棘手，而且無論您提供多少數(shù)據(jù)，它都無法產(chǎn)生高分辨率輸出。

相比之下，盡管缺少數(shù)據(jù)，但DENSE創(chuàng)建的仿真器仍然表現(xiàn)出色。當(dāng)它們使用專門的圖形處理芯片進(jìn)行渦輪增壓時(shí)，它們的速度比其仿真快約100，000至20億倍。加速器對(duì)于仿真器而言并不罕見，但它們非常準(zhǔn)確：在一個(gè)比較中，天文學(xué)仿真器的結(jié)果與完整仿真的結(jié)果相差99.9%以上，而在10個(gè)仿真中，神經(jīng)網(wǎng)絡(luò)仿真器要好得多比傳統(tǒng)的 Kasim說，他認(rèn)為DENSE每次模擬都需要成千上萬的訓(xùn)練示例，才能達(dá)到這些精確度。在大多數(shù)情況下，它使用了數(shù)千個(gè)，而在噴霧劑情況下，僅使用了幾十個(gè)。