“這是一件大事。”未參與該研究的美國勞倫斯利弗莫爾國家實驗室負責(zé)氣候模擬的 Donald Lucas 說，新系統(tǒng)自動創(chuàng)建的仿真器比他的團隊設(shè)計和訓(xùn)練的模擬器更好、更快。新的仿真器可以用來改進它們所模擬的模型，并幫助科學(xué)家充分利用實驗設(shè)施。Lucas 表示，如果這項工作經(jīng)得起同行的審查，“將在很大程度上改變一些事情”。

　　一個典型的計算機模擬程序一般會隨時計算物理作用力如何影響原子、云團乃至星系。仿真器基于一種被稱為機器學(xué)習(xí)的人工智能形式。有了完整模擬的輸入和輸出，仿真器會尋找規(guī)律，并學(xué)習(xí)推測模擬程序?qū)π碌妮斎脒M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)計算機科學(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插入計算層，用有限的數(shù)據(jù)測試和訓(xùn)練生成的線路。如果添加的計算層可以提高性能，那么它很可能被選用在未來的仿真器變化中，而重復(fù)這個過程可以改進仿真器。

　　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)這項研究的英國牛津大學(xué)物理學(xué)家 Muhammad Kasim 表示，其團隊的研究是以 Guan 的研究為基礎(chǔ)進行的，因為它平衡了準確性和效率。

　　研究人員使用 DENSE 技術(shù)開發(fā)了 10 個仿真器，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時分析數(shù)據(jù)，從而節(jié)省時間。“DENSE 仿真器可以足夠快地解釋數(shù)據(jù)，從而修改實驗。希望將來我們可以用它進行現(xiàn)場分析”。