當科學家或特殊效果向導想要模擬洪水或可視化小行星撞擊時，他們會使用稱為物理引擎的程序。但是手工制作這樣的軟件以適應自然需要時間和專業知識。現在，研究人員已經找到了一種人工智能（AI）的方法，可以通過觀看真實事物來學習模擬復雜的物理現象。

在國際機器學習大會上，AI公司DeepMind提出了一種新型模型，稱為基于圖網絡的模擬器（GNS）。該程序可以現實地重建數以萬計的不同材質的粒子之間的交互，并持續數以千計的動畫幀。當您將一堆沙子，一團“臭”和一大堆水扔進盒子里時，會發生什么？看看上面。

該系統使用“圖形網絡”，將場景表示為相互作用粒子（每個粒子遠大于分子的粒子，上面的某些片段后來以高分辨率顯示）的相互作用的網絡，這些粒子相互傳遞有關其位置，速度的“消息”以及材料屬性。通過將預測值與傳統物理引擎的預測值進行比較，可以通過反復試驗來了解消息傳遞以及粒子如何響應。經過培訓后，該系統可以推廣到從未見過的情況-預測更多次粒子的行為，或者如果您添加更多障礙物（如坡道或搖動盒子）會發生什么。

在實驗中，盡管它具有簡單性，但與競爭性AI方法相比，該新系統在歸納各種現象方面更準確，更好。除了很酷的視覺效果外，研究人員希望該方法可以幫助機器推理周圍的世界。您知道，萬一機器人需要躲避凝膠河馬。