GeoPT au MIT : la simulation physique devient ultra-efficace

GeoPT est une nouvelle méthode de pré-entrainement développée par les chercheurs du MIT et de l’Université Tsinghua. Annoncé récemment, ce modèle permet aux simulations d’apprendre la physique plus efficacement, avec jusqu’à 60% de moins de données requises par rapport aux modèles actuels, tout en atteignant des performances maximales deux fois plus rapidement. Ce progrès promet d’aider les ingénieurs à prédire comment les véhicules et autres objets réagiront à divers éléments physiques comme le vent et l’eau.

Le contexte de cette innovation s’inscrit dans la difficulté pour les modèles d’IA actuels à simuler avec précision les interactions physiques du monde réel, du fait d’une compréhension limitée des lois physiques par rapport à la manipulation de textes et images. Le système GeoPT pourrait être une étape vers un modèle fondamental de la physique pour l’IA, généralisant les simulations physiques pour différentes tâches selon le chercheur Minghao Guo.

GeoPT réduit l’utilisation des données

Le modèle excelle particulièrement dans la simulation de scénarios industriels complexes. Par exemple, il a surpassé les modèles existants en saisissant comment les coques de bateaux gèrent le vent et les vagues, nécessitant beaucoup moins de données étiquetées que les modèles courants. De plus, il a atteint une précision maximale en quatre fois moins de temps sur des tâches similaires, ce qui est crucial pour les ingénieurs comme Haixu Wu a souligné dans le communiqué du MIT MIT CSAIL.

Les implications de cette avancée sont significatives pour l’industrie. Outre les véhicules, GeoPT a montré son efficacité dans la simulation de la déformation des objets après des collisions, et même dans la simulation de la réfraction de la lumière à travers des objets en plastique, tel qu’un modèle de lapin en 3D. Cette capacité à simuler avec précision en utilisant moins de ressources pourrait transformer les processus de modélisation et de test industriels.

Prochaine échelle pour GeoPT

Les chercheurs prévoient d’améliorer encore le système en augmentant l’échelle des simulations et en diversifiant les phénomènes physiques modélisés. L’équipe espère que de futures applications permettront de modéliser des motifs météorologiques, tester différents matériaux et générer des vidéos réalistes. L’intention est d’intégrer davantage de données synthétiques, un paradigme décrit par l’expert en IA Fei Sha comme pertinent pour implanter la physique dans les modèles fondamentaux de l’IA.