“這是一件大事。”未參與該研究的美國(guó)勞倫斯利弗莫爾國(guó)家實(shí)驗(yàn)室負(fù)責(zé)氣候模擬的 Donald Lucas 說，新系統(tǒng)自動(dòng)創(chuàng)建的仿真器比他的團(tuán)隊(duì)設(shè)計(jì)和訓(xùn)練的模擬器更好、更快。新的仿真器可以用來改進(jìn)它們所模擬的模型，并幫助科學(xué)家充分利用實(shí)驗(yàn)設(shè)施。Lucas 表示，如果這項(xiàng)工作經(jīng)得起同行的審查，“將在很大程度上改變一些事情”。

　　一個(gè)典型的計(jì)算機(jī)模擬程序一般會(huì)隨時(shí)計(jì)算物理作用力如何影響原子、云團(tuán)乃至星系。仿真器基于一種被稱為機(jī)器學(xué)習(xí)的人工智能形式。有了完整模擬的輸入和輸出，仿真器會(huì)尋找規(guī)律，并學(xué)習(xí)推測(cè)模擬程序?qū)?duì)新的輸入進(jìn)行怎樣的處理。

　　新的仿真器基于神經(jīng)網(wǎng)絡(luò)（受大腦線路啟發(fā)的機(jī)器學(xué)習(xí)系統(tǒng)），需要的模擬訓(xùn)練很少。通過一種被稱為神經(jīng)結(jié)構(gòu)搜索的技術(shù)，可以識(shí)別出給定任務(wù)中數(shù)據(jù)效率最高的連接模式。

　　這種技術(shù)被稱為深度仿真器網(wǎng)絡(luò)搜索（DENSE），它依賴于斯坦福大學(xué)計(jì)算機(jī)科學(xué)家 Melody Guan 開發(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，那么它很可能被選用在未來的仿真器變化中，而重復(fù)這個(gè)過程可以改進(jìn)仿真器。

　　Guan 說，“非常興奮”看到她的工作被用于“科學(xué)發(fā)現(xiàn)”。領(lǐng)導(dǎo)這項(xiàng)研究的英國(guó)牛津大學(xué)物理學(xué)家 Muhammad Kasim 表示，其團(tuán)隊(duì)的研究是以 Guan 的研究為基礎(chǔ)進(jìn)行的，因?yàn)樗胶饬藴?zhǔn)確性和效率。

　　研究人員使用 DENSE 技術(shù)開發(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 的仿真器表現(xiàn)出色，其速度比其他模擬器快 10 萬到 20 億倍。而且，這些仿真器非常精確：天文仿真器的結(jié)果與全模擬的一致性超過 99.9%，在 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。

　　Kasim 說，DENSE 技術(shù)甚至可以使研究人員實(shí)時(shí)分析數(shù)據(jù)，從而節(jié)省時(shí)間。“DENSE 仿真器可以足夠快地解釋數(shù)據(jù)，從而修改實(shí)驗(yàn)。希望將來我們可以用它進(jìn)行現(xiàn)場(chǎng)分析”。