Accelerated Understanding | 人工智能：模拟与理解物理学，助力发明与发现。

# 加速理解 来源：https://acceleratedunderstanding.com/ 加速理解 ## 能够*模拟并理解物理学*以进行发明与发现的AI。 01 / 使命 ## 我们正在构建具备普适物理理解能力的AI。 随着AI持续进步和智能日益充裕，瓶颈正从提出新想法转向执行与优化这些想法。自动化实验室工作和物理实验虽能稍作简化，但并未真正消除瓶颈。我们正用能够模拟和理解物理学的AI来替代这些实验。 拥有这项能力不仅能应对实验中的“假设”场景，更重要的是能提供方向性反馈。现实实验能告诉你发生了什么，但无法解释原因或提供改进方向。我们的AI可以做到这一点。 a. ### 语言模型缺乏现实锚定 大语言模型虽能形成对物理的直觉，但缺乏内在的模拟能力或验证能力。 b. ### 实验是瓶颈所在 尽管智能水平不断提升，实验速度并未随之加快。大多数研发周期都受制于实验室工作或缓慢的数值模拟。 c. ### 观测缺乏方向性反馈 实验只能告诉你发生了什么，却无法说明原因或改进方式。我们的模型能够提供优化方向。 02 / 方法 ## 4D物理AI。 我们训练的模型能够接收物理系统状态，并预测其在广阔物理领域中的时间演化过程。将这些能力整合到单一模型中，使我们能够跨领域学习。 3D空间 1D时间 4D轨迹 01 ### 直接4D建模 我们的模型在空间维度上保持三维特性，并能一次性预测完整时间演化过程——*同时呈现四个维度*。若将空间维度压缩会损失质量和观测细节。而逐步时间预测会导致误差累积。 02 ### 原生超分辨率 我们的模型具有分辨率不变性。无论训练还是推理阶段，均可随时切换至*任意细节层级*。我们已测试过最高5万亿的上下文容量。 03 ### 单一模型涵盖多物理领域 正如通用大语言模型在语言任务上优于小型专业模型，经过多物理任务训练的模型不仅能解决各项任务，更*超越单独训练的模型表现*。我们已观察到跨物理领域的性能提升。 04 ### 方向性反馈 实验和模拟仅返回结果。我们的模型能提供*改进方向*。我们在保持物理有效性的前提下，通过循环优化来解决任务。 ### 现有方法为何不足 大语言模型 + 实验室实验 | 视频“世界模型” | 窄领域替代模型 | 加速理解 表现形式 | 一维文本 | 随时间扁平化的二维帧 | 简化的2.5D、静态3D | 完整4D：3D + 时间 预测方式 | 仅凭直觉 | 自回归：误差累积 | 自回归：误差累积 | 完整轨迹 反馈类型 | 稀疏、仅实验室结果，无方向性 | 稀疏、部分观测，无方向性 | 密集但局限于分布内，偶有方向性 | 密集、广泛，具方向性 分辨率 | 不适用 | 训练时固定 | 通常训练时固定 | 任意、原生支持 规模上限 | 受物理实验室限制 | 受数据量限制 | 微小 | 1T+模型规模，推理时5T+上下文 03 / 规模 ## 我们已取得的成果。 我们持续训练前沿物理AI模型已逾一年，完成了数百次模型预训练（最大模型规模达1万亿参数）。我们还进行了最高35万亿参数的扩展实验。 0+ 大规模训练运行次数 0T+ 最大模型参数量 0T+ 推理时上下文长度 2–6 PB 平均训练运行数据量 关键指标是上下文长度，即单次可处理的信息量。语言的一维上下文是文本标记序列，而物理学的上下文长度则在*四个维度*上扩展（https://acceleratedunderstanding.com/explainer.html）。我们的架构为此专门优化。我们在训练中实现了万亿级上下文，推理时更突破5万亿，且未采用分块或子采样等技巧。 以下是我们近期某次较小规模（低于1000亿参数）训练运行的模型输出。4D输出按时间顺序回放以便人类理解。模型本身是单次生成完整演化过程的。所有不同物理领域均来自同一模型。模型在训练时也未曾见过散热器形状。我们选择这些物理领域是为了多样性——它们都具有独特挑战，而我们的模型已学会模拟所有场景。 04 / 自我改进 ## 模型优化。 多数领域的物理定律已知。验证结果是否满足控制方程相对容易，但满足这些方程却一直很难——直到现在。获取这一信号使我们能在不依赖数据的情况下驱动改进循环。 ## 用于发明的改进循环。 训练模型时使用的爬山法同样适用于发明与发现：模拟、理解、改进、重复。 设置 ### 定义 工程师设定目标任务及基准候选设计方案。 循环步骤1 ### 模拟 我们的模型模拟可能发生的情况，取代了数日乃至数周的实验室等待周期。 循环步骤2 ### 优化 我们的模型提供改进方向。朝着改进方向对候选设计进行微调，而非盲目试错。 05 / 关于 ## 前沿规模的第一性原理。 我们的创始团队在大规模模型训练、关键系统构建与维护方面拥有丰富经验。他们曾参与发明众多现今业界广泛采用的AI仿真方法与算法。 他们构建的FourCastNet是首个大规模高分辨率AI气象模型，掀起了AI气象与气候建模的革命。他们的工作涵盖从自动驾驶AI到医疗器械发明，甚至以前所未有的速度模拟核聚变。如今，他们关于将物理能力整合至通用模型的梦想正逐渐成为现实。 加速理解创始人团队 ## 通往物理AI之路 一场滚动式深度解析，揭示为何物理智能需要4D架构，以及我们已构建的体系。