科技日报北京2月18日电 即使用迄今最快的超级计算机，模拟复杂自然现象也要耗费数小时。而据美国《科学》网站17日报道，作为一种超快速模拟的算法，人工智能（AI）仿真器提供了一条“捷径”——基于神经网络的AI可以很容易地生成精确的仿真器，从而将所有科学领域的仿真加速数十亿倍。
对于极其复杂的自然现象，例如亚原子粒子如何相互作用，以及大气雾如何影响气候等等，即使利用人类拥有的最高性能超级计算机，建模也可能要花费几个小时。然而，基于机器学习的人工智能仿真器则跳过了传统的繁琐，借助完整模拟的输入和输出，能寻找模式并学习猜测新输入将对模拟产生什么影响，而无论要建模的是原子、大气还是星系，都可以实现大幅加速。
牛津大学物理学家穆罕默德·卡西姆领导了此次研究，该技术被称为深度仿真器网络搜索（DENSE），依赖于斯坦福大学计算机科学家开发的一种通用神经结构搜索。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线路。如果添加的计算层可以提高性能，那么它还可进一步被应用在未来仿真器中，通过重复这个过程不断改进。