米マサチューセッツ工科大学（MIT）のコンピュータ科学・人工知能研究所（CSAIL）と清華大学の研究チームは、物理シミュレーションの学習データを最大60％削減しながら、従来の最先端モデルを大幅に上回る性能を発揮する、新しい事前学習手法「GeoPT」を発表した。この技術は、シミュレーションモデルに物理の“感覚”を効率的に教え込むことで、自動車や航空機、ロボットなどの設計検証を劇的に加速させる可能性を秘めている。
物理シミュレーションの課題とGeoPTの革新性
AIモデルは文章や画像の生成、3Dモデルの作成において目覚ましい進歩を遂げているが、現実世界の物理現象を正確にシミュレートする能力は依然として限定的だ。従来の手法では、3D形状の各点における物理特性を計算する「数値ソルバー」と呼ばれるアルゴリズムに依存しており、この処理に膨大な時間がかかるため、大規模な学習データを用意することが難しかった。
GeoPTはこの根本的な問題を解決するために、「合成力学（Synthetic Dynamics）」と呼ばれる新たな事前学習戦略を採用する。これは、無数の微小な粒子が3Dオブジェクトの表面にどのように衝突し、付着するかをシミュレートするものだ。具体的には、数百万もの粒子を異なる速度と角度でオブジェクトに向けて放出し、粒子がオブジェクトのどの部分で停止するかを学習させる。このプロセスを通じて、モデルは物体との物理的な相互作用の“感触”を、ラベル付けされた膨大なデータを必要とせずに獲得できる。
具体的な性能と検証結果
研究チームが公開した論文によれば、GeoPTは複数のベンチマークテストにおいて、現在の最先端シミュレーションモデルを精度、速度、データ効率のすべてで凌駕した。特に顕著だったのは、以下の点だ。
- データ効率の大幅な向上： 船舶の船体が空気と波の両方の力を受けるシミュレーションでは、従来手法と比較して60％少ないラベル付きデータで同等以上の精度を達成。
- 収束速度の高速化： 同じシミュレーションにおいて、最高精度に到達するまでの速度が従来比で4倍向上。
- 優れた汎化性能： 戦闘機の風洞実験、自動車の衝突変形、光の反射・透過など、異なる物理現象に対して、追加学習なしで高精度なシミュレーションを実現。特に、事前に学習していなかった3Dモデルや光の物理法則に対しても正確な結果を示した。
GeoPTの仕組みと使い方
GeoPTの最大の特徴は、その直感的な操作性にある。ユーザーは、戦艦や passenger airplane、トラックなどの3Dモデルをアップロードし、シミュレートしたい力の方向と速度を指定するだけでよい。システムは、オブジェクトの各部位がどの程度の影響を受けるかをヒートマップとして視覚的に表示する。これにより、自動車の壁への衝突、物体周辺の光の挙動、波浪の中での船舶の安定性など、複雑な物理現象をリアルタイムに近い形で検証できる。
「物理はAIにとって第三のモダリティ」
研究の共同リーダーを務めるMITの博士生Minghao Guo氏は、「我々は、物理がテキストやピクセルに次ぐ、AIモデルにとっての第三のモダリティ（情報様式）であると確信している」と述べる。この考えは、単なるシミュレーション効率の改善を超え、汎用的な「物理基礎モデル（Physics Foundation Model）」の構築を視野に入れたものだ。このようなモデルが完成すれば、ロボットの動作計画や、より現実的な動画生成、複雑な気象パターンの予測など、幅広い分野に応用が可能となる。
メタ（Meta）のAI研究科学者であるFei Sha氏は、本研究成果について「合成力学データを用いる手法は、従来の『物理と幾何学は計算上不可分であり、高価で特殊なデータが必要』という常識に挑戦するものだ。この成功は、我々が今、迅速に物理基礎モデルを構築できる段階に来ていることを示している」と高く評価している。
今後の展望と応用分野
研究チームは現在、GeoPTをさらに大規模化し、より複雑な物理現象や多様な形状に対応できるよう開発を進めている。将来的には、自動車や航空機産業における設計プロセスの革新的な効率化に加え、気象モデリング、新材料の性能予測、ハイパーリアルな映像コンテンツの生成など、その応用範囲は計り知れない。本技術の詳細は、arXivで公開された論文および、国際会議「International Conference on Machine Learning」で発表されている。
