近日，有人工智能公司在国际机器学习大会上推出了一款基于图形网络的模拟器GNS，它可以真实地还原一个盒子中扔入一捧沙或倒入一杯水等类似的复杂物理现象，模拟形成的动画可以持续数千帧。
大多数复杂物理现象模拟器的制造和使用成本很高，建成可能需要花费数年的时间，而且往往为提升准确性而牺牲通用性。高质量的模拟器需要耗费大量计算资源，因此无法进行大规模推广。由于对基本物理参数了解不足，即使最好的传统模拟器也通常不够准确。
DeepMind公司的研究人员将归纳偏差注入机器学习模型，基于数据模拟，开发出通用框架——GNS模型。该模型以相互作用的粒子形成的网络来呈现场景，这些粒子相互传递有关其位置、速度和材料特性的信息。通过学习，模型可以准确地模拟液体、固体与其他可变形材料相互作用的各种物理系统。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。
