beach, sand, dunes, landscape, sardinia, nature, italy, close up, macro, sand, sand, sand, sand, sand

マサチューセッツ工科大学（MIT）やブリティッシュコロンビア大学（UBC）などの研究チームは、砂の崩れ方からタンパク質の動きまで、共通のAI構造でシミュレーションする「WorldParticle」を開発しました。物質を多数の粒子として表し、次の状態を学習によって予測することで、物理現象ごとに別々の計算手法を組み立てる負担の軽減を目指しています。

研究チームは、変形する物体や粒状物質、タンパク質など6種類の物理現象で検証し、比較対象の数値シミュレーション手法より高い精度を得たとしています。MITの博士研究員Minghao Guo氏は、タンパク質の構造が時間とともに変わる様子を、数値シミュレーターの約100倍の速さで計算できたと述べています。

物質を粒子に置き換え、次の状態を予測

従来の物理シミュレーションでは、水の流れやタンパク質の折り畳みなど、それぞれの現象を支配する方程式に合わせて計算手法を用意します。WorldParticleは、こうした異なる現象を一つのニューラルネットワークで扱う設計です。

物体は数千から数百万の3次元の粒子に分割されます。粒子を追いながら物質の動きを表す「ラグランジュ表現」を使い、粒子の位置や物理的性質を入力して、次の時点の位置や性質を予測します。UBC助教のPeter Yichen Chen氏は、ChatGPTが次の単語を予測するのに似た構造で、粒子の動きを一段階ずつ予測する仕組みだと説明しています。

各段階の計算では、まず外から加わる力を分離し、粒子の状態を予測した後で、その力の影響を組み込んで補正します。研究チームは、この処理によって学習時に経験していない物質や環境条件、力にも対応できるとしています。また、大量の粒子を扱う計算負荷を抑えるため、粒子をまとめて圧縮しながら、細かな挙動を捉える手法を採用しています。

粒子の座標や相互作用を扱うTransformer

WorldParticleのように粒子を入力とするAIでは、位置や物理的性質が予測の手がかりになります。粒子を扱うTransformerの研究例である「A2I Transformer」は、粒子の座標から原子ごとのエネルギーを直接予測します。入力同士の関係に重みを付ける自己注意機構を用い、粒子の並び順を入れ替えると出力も対応して入れ替わり、系全体のエネルギーは変わらない構造です。

3次元の点の集まりや、点同士のつながりを扱う「SE(3)-Transformer」では、回転や平行移動に対する性質を自己注意機構に組み込んでいます。入力を回転・移動すると出力も対応して変換される「同変性」を持たせ、注意の重み自体は全体の向きや位置が変わっても変化しないように設計されています。

分子の動きでは微小な時間刻みを積み重ねる

WorldParticleが検証対象にしたタンパク質の動きには、短い間隔で状態を更新する従来の計算例があります。ロレーヌ大学とInriaの研究チームによるタンパク質とRNA・DNAの複合体の研究では、原子の運動を追う分子動力学シミュレーションを、2フェムト秒刻みで実行しています。フェムト秒は1秒の1,000兆分の1で、1回の計算で1マイクロ秒、つまり100万分の1秒の動きを再現する設定です。

この設定では、1マイクロ秒を再現するために5億回の更新が必要になります。この研究が対象とするタンパク質と核酸の接触面では、ナノ秒からマイクロ秒の時間スケールで、側鎖の向きや骨格、結合に伴う形状が変化します。1マイクロ秒の計算区間は、速い局所的な動きを捉えるために選ばれています。

予測を繰り返したときの安定性も検証対象

WorldParticleと同じく、粒子の次の状態を学習して繰り返し予測する方式では、小さな誤差が蓄積する問題が研究されています。粒子を点、相互作用を点同士のつながりとして扱う「Graph Network-based Simulators（GNS）」では、学習データにノイズを加えることで、長い時間にわたる誤差の蓄積を抑える手法が使われています。

Transformer Labの研究チームは、水や砂、柔らかい物質を扱う2次元の試験で、粒子の位置誤差と運動エネルギーを用いて予測の発散を判定しました。最大位置誤差が計算領域の大きさの10％を超えるか、平均運動エネルギーが基準となる軌跡の最大値の2倍を超えた最初の段階を測定しています。

この試験では、モデル自身が予測した状態を次の学習入力に使う訓練が、長期予測の安定性と精度を保つうえで有効だったと研究チームは評価しています。一方、予測した加速度を補正して全体の運動量を保存する処理は、同じ試験で性能を悪化させました。

WorldParticleでは、粒状の物体が崩れて山になる様子を再現し、比較手法の一部で生じた砂粒の空中への残留も抑えられました。研究チームは今後、柔らかく変形するロボットの操作、RNAの変化、銀河の合体などへの適用を進め、科学的発見に使う汎用シミュレーションの仕組みを構築する方針です。研究成果は、コンピューターグラフィックスなどを扱う国際会議SIGGRAPH Asiaで発表される予定です。