Új AI-módszert javasol az időjárás és a fúzió modellezésére a Caltech kutatója

Anima Anandkumar, a Caltech professzora húsz éve foglalkozik AI-val, és most a fizikai világ modellezésére összpontosít, az időjárástól a fúziós reaktorokig. Úgy véli, az AI-közösség eddig elhanyagolta a folytonos fizikai rendszerek modellezését, pedig ez a terület óriási növekedési potenciállal bír. (Latent Space)

Anandkumar szerint a fizikai rendszerek modellezése eltér a nyelvi modellekétől. Míg utóbbiak hatalmas adatmennyiségeken alapulnak, a fizikai rendszerek esetében az adatok korlátozottak (néhány tízezer vagy százezer példány), és a szükséges kontextushossz is óriási lehet, akár trillió token is lehet. Ezért a brute-force skálázás helyett strukturáltabb megközelítésre van szükség, amely beépíti a fizikai törvényeket és az induktív elveket.

A Neural Operators technológiája

Anandkumar úttörő szerepet játszott a Neural Operators technika kifejlesztésében, amely lehetővé teszi az adatok és a fizikai törvények kombinálását a többskálás bemenetek és kimenetek kezelésére. Ez a megközelítés lehetővé teszi, hogy a modellek ne csak rácsokon alapuljanak, hanem magát a függvényt modellezzék, amely sok skálán fejlődik. Ez a fizikai intuíció beépítését is lehetővé teszi.

A Fourier Neural Operator a frekvenciatartományban tanul, és annak gömbszimmetrikus változata, a FourCastNet 3, stabil globális időjárás-előrejelzéseket tesz lehetővé. A modell fogyasztói GPU-kon is képes rövid távú időjárás-előrejelzéseket készíteni, versenyezve a legjobb fizikai szimulációkkal. A megfigyelés szerint a fizikai világ sokkal megbocsátóbb, mint azt gondolnánk: fúziós reaktorok esetében néhány ezer minta elegendő a plazma zavarainak előrejelzéséhez, milliószor gyorsabban, mint a hagyományos szimulációkkal.

Alapmodellek és formális igazolás

Anandkumar célja egy „alapmodell a fizika számára” létrehozása, amely sok jelenséget átfog, és mind szimulációt, mind tervezést végez. Ez a fizikai világ már meglévő struktúráinak beépítésével érhető el, nem pedig a soha nem létező adatokra várva. A megközelítés lassabb lehet a tokenvezérelt AI-részeknél, mert a fizikai világban a tokenek sosem voltak a válasz. Anandkumar és csapata dolgozik a TorchLean keretrendszeren is, amely lehetővé teszi PyTorch-stílusú hálózatok formális igazolását, ami kulcsfontosságú lehet például fúziós reaktorok vezérlőrendszereiben.

Anima Anandkumar nemrégiben csatlakozott az Egyesült Nemzetek Tudományos Tanácsadó Testületéhez, ahol célja a bizonyítékokon alapuló nézőpontok érvényesítése a politikában, és annak bemutatása, hogyan javíthatja az AI a tudományos területeken az emberek életét világszerte.