Вчені створили ШІ, який симулює фізичні процеси без великих масивів реальних даних

Дослідники Массачусетського технологічного інституту та Університету Цинхуа розробили нову систему попереднього навчання штучного інтелекту під назвою GeoPT. Вона дозволяє моделям краще розуміти закони фізики й точніше відтворювати поведінку реальних об’єктів — від бойових кораблів і пасажирських літаків до вантажівок і роботів.

Проблема, яку вирішує GeoPT, добре відома інженерам і науковцям: сучасні ШІ-моделі непогано працюють із текстом і зображеннями, але значно гірше розуміють фізичні процеси. Для навчання симуляційних систем потрібні великі масиви даних про фізичні взаємодії, а їх отримання через чисельні розрахунки — надзвичайно тривалий і ресурсомісткий процес.

Автори GeoPT обрали інший шлях. Перед основним навчанням на розмічених даних система проходить попередній етап: вона вивчає фізику через віртуальне відтворення механічних взаємодій у тривимірному просторі. Модель спостерігає за рухом мільйонів дрібних сфер, які летять у різних напрямках і з різними швидкостями, поки не зупиняються на поверхні складних 3D-об’єктів. Дослідники порівнюють цей процес із вивченням фізики за допомогою іграшок: так само як дитина пізнає властивості предметів, рухаючи кульки й фігурки, модель формує базове уявлення про фізичні взаємодії ще до контакту зі спеціалізованими даними.

Для попереднього навчання GeoPT використала 1,3 мільйона таких синтетичних прикладів. Результати виявились вражаючими: система досягає максимальної продуктивності приблизно вдвічі швидше і потребує до 60 відсотків менше розмічених даних порівняно з провідними існуючими моделями. При моделюванні поведінки корпусу судна під впливом повітря і хвиль GeoPT вийшла на максимальну точність у чотири рази швидше, ніж найкращі конкуруючі системи.

Практичне застосування системи широке. Користувач завантажує тривимірну модель об’єкта, задає напрямок і швидкість зовнішньої сили — і отримує теплову карту, що показує, як різні ділянки об’єкта реагують на навантаження. GeoPT вже успішно змоделювала вплив повітряного потоку на винищувачі, передбачила деформації кузовів автомобілів після зіткнень, а також розрахувала поширення світла крізь тривимірну модель іграшкового кролика — хоча під час навчання ніколи не бачила ні цієї моделі, ні даних про оптичну фізику. За словами співавтора дослідження Хайсю Ву, система генерує високоточні симуляції з понад 100 мільйонами точок сітки за лічені секунди.

Аспірант MIT і співавтор роботи Мінхао Го вважає, що фізика стає третьою ключовою модальністю для ШІ-моделей після тексту й зображень. На його думку, додавання фізичної точності здатне зробити результати роботи сучасних систем значно реалістичнішими. Дослідник Meta Фей Ша, який не брав участі в роботі, назвав використання синтетичних динамічних даних перспективним способом впровадження фізичних знань у фундаментальні ШІ-моделі.

Нинішню версію GeoPT її творці вважають лише першим кроком. У перспективі команда планує навчати систему на ще більшій кількості тривимірних форм і більш складних фізичних явищах. Розвинена версія технології потенційно зможе моделювати погодні процеси, тестувати нові матеріали й створювати реалістичні відеоматеріали. Дослідження було представлено на Міжнародній конференції з машинного навчання у липні 2026 року.