研究人员用一个深度学习系统 WorldParticle 取代了传统的专用求解器。该系统把沙丘、液体、软体机器人触碰的颗粒、甚至蛋白质分子都表示为数千至数百万个三维粒子，并在每一步预测这些粒子的位置和属性。与传统方法需要为每种材料手写控制方程不同，WorldParticle 通过神经网络学习通用的动力学规律，能够在未见过的材料、力场和环境下自行适应。\n\n在每次模拟前，模型先分离外部冲击等力，再在预测的粒子状态上重新加入这些力，以校正运动轨迹。由于粒子数量庞大，研究团队采用了粒子合并与压缩技术，既保持细节又降低计算负担。实验展示了六类物理现象的高精度模拟，包括可变形物体、颗粒堆积和蛋白质折叠，其中蛋白质模拟速度比传统数值方法快约百倍。\n\nWorldParticle 的统一架构有望用于软体机器人操作、RNA 进化、星系合并等更广泛的科学问题，推动“一键即用”的通用模拟平台。\n\n点评：该工作展示了 AI 在物理仿真领域的跨材料通用能力，为未来的科学发现提供了全新工具。