對(duì)于極其復(fù)雜的自然現(xiàn)象，例如亞原子粒子如何相互作用，以及大氣霧如何影響氣候等，即使利用人類(lèi)擁有的最高性能超級(jí)計(jì)算機(jī)，建模也可能要花費(fèi)幾個(gè)小時(shí)。然而，基于機(jī)器學(xué)習(xí)的人工智能仿真器則跳過(guò)了傳統(tǒng)的繁瑣步驟，借助完整模擬的輸入和輸出，能尋找模式并學(xué)習(xí)猜測(cè)新輸入將對(duì)模擬產(chǎn)生什么影響，而無(wú)論要建模的是原子、大氣還是星系，都可以實(shí)現(xiàn)大幅加速。

牛津大學(xué)物理學(xué)家穆罕默德·卡西姆領(lǐng)導(dǎo)了一項(xiàng)技術(shù)研究——深度仿真器網(wǎng)絡(luò)搜索（DENSE），是依賴(lài)于斯坦福大學(xué)計(jì)算機(jī)科學(xué)家開(kāi)發(fā)的一種通用神經(jīng)結(jié)構(gòu)搜索。它在網(wǎng)絡(luò)的輸入和輸出之間隨機(jī)插入計(jì)算層，用有限的數(shù)據(jù)測(cè)試和訓(xùn)練生成的線路。如果添加的計(jì)算層可以提高性能，那么它還可進(jìn)一步被應(yīng)用在未來(lái)仿真器中，通過(guò)重復(fù)這個(gè)過(guò)程不斷改進(jìn)。

在展示中，研究人員使用DENSE技術(shù)開(kāi)發(fā)了10個(gè)仿真器，分別用于物理、天文、地質(zhì)和氣候科學(xué)領(lǐng)域。DENSE仿真器表現(xiàn)極其出色——速度比其他模擬器快10萬(wàn)到20億倍。

這些仿真器非常精確，其中天文仿真器的結(jié)果與全模擬的一致性超過(guò)99.9%，在這10次模擬中，神經(jīng)網(wǎng)絡(luò)仿真器比傳統(tǒng)仿真器要好得多。