模拟器加速模拟，比如美国宇航局使用气溶胶模型展示澳大利亚火灾产生的烟雾分布。图片来源：NASA即使是最快的超级计算机也可能需要数小时才能模拟复杂的自然现象，例如大气烟雾如何影响气候。作为一种可以快速模拟的算法，模拟器无疑提供了一条捷径。根据今天在预印本服务器arXiv上发表的一项研究，人工智能可以轻松生成准确的模拟器，可以将所有科学领域的模拟速度提高数十亿倍。 “这很重要，”美国劳伦斯利弗莫尔国家实验室的气候模拟负责人唐纳德卢卡斯说，他没有参与这项研究。好的，更快。新的模拟器可用于改进他们模拟的模型，并帮助科学家充分利用实验设施。如果这项工作经得起同行的审查，“它将改变很多事情，”卢卡斯说。 一个典型的计算机模拟程序会随着时间的推移计算物理力如何影响原子、云甚至星系。该模拟器基于一种称为机器学习的人工智能形式。通过完全模拟的输入和输出，模拟器可以寻找模式并学习推断模拟程序将如何处理新输入。 新模拟器基于神经网络（受大脑线路启发的机器学习系统），需要很少的模拟训练。通过一种称为神经架构搜索的技术，可以识别给定任务的数据效率最高的连接模式。 该技术称为深度仿真器网络搜索(DENSE)，它依赖于斯坦福大学计算机科学家MelodyGuan开发的通用神经架构搜索。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电路。如果添加的计算层提高了性能，它很可能在未来的仿真器更改中被选择，并且重复该过程改进了仿真器。 关说，看到她的作品被用于“科学发现”，她“非常兴奋”。领导这项研究的英国牛津大学物理学家MuhammadKasim说，他的团队的研究建立在Guan的工作之上，因为它平衡了准确性和效率。 研究人员使用DENSE技术为物理学、天文学、地质学和气候科学领域开发了10个模拟器。DENSE的仿真器非常出色，比其他仿真器快100,000到20亿倍。更重要的是，模拟器非常准确：天文模拟器的结果与完整模拟的结果一致超过99.9%，神经网络模拟器在10次模拟中大大优于传统模拟器。 Kasim表示，DENSE技术甚至可以让研究人员实时分析数据，从而节省时间。“DENSE模拟器可以足够快地解释数据以修改实验。希望将来我们可以将它用于现场分析”。
