即使用最快的超級計算機模擬復雜的自然現象也要花上幾個小時，如大氣霧霾如何影響氣候。而作為一種能夠快速模擬的算法，基于人工智能技術的仿真程序無疑提供了一條捷徑。一項日前發表在預印本服務器arXiv上的研究表明，通過人工智能技術，計算機可以很容易地生成精確的仿真程序，將所有科學領域的仿真實驗加速數十億倍。但是，這一研究尚未通過同行評審。

　　“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氣候模擬的Donald Lucas說，新系統自動創建的仿真程序比他的團隊設計和訓練的模擬器更好、更快。新的仿真程序可以用來改進它們所模擬的模型，并幫助科學家充分利用實驗設施。Lucas表示，如果這項工作經得起同行的審查，“將在很大程度上改變一些事情”。

　　《科學》報道稱，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。仿真程序基于一種被稱為機器學習的人工智能算法。有了完整模擬的輸入和輸出，仿真程序會尋找規律，并學習推測對新的輸入進行怎樣的處理。

　　新的仿真程序的設計基于神經網絡，需要的模擬訓練很少。通過一種被稱為神經結構搜索的技術，這一程序可以識別出給定任務中數據效率最高的連接模式。

　　這種技術被稱為深度仿真程序網絡搜索（DENSE），它依賴于美國斯坦福大學計算機科學家Melody Guan開發的一種通用神經結構搜索。它在網絡的輸入和輸出之間隨機插入計算層，用有限的數據測試和訓練生成結果。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程序變化中，而重復這個過程可以改進現有的仿真程序。

　　Guan說，“非常興奮”看到她的工作被用于“科學發現”。領導這項研究的英國牛津大學物理學家Muhammad Kasim表示，其團隊的研究是以Guan的研究為基礎進行的，因為它平衡了準確性和效率。

　　研究人員使用DENSE技術開發了10個仿真程序，分別用于物理、天文、地質和氣候科學等領域。DENSE的仿真程序表現出色，其速度比其他模擬器快10萬到20億倍。而且，這些仿真程序非常精確：天文領域仿真程序的結果與全模擬的一致性超過99.9%，在10次模擬中，神經網絡仿真程序比傳統仿真程序要好得多。

　　Kasim說，DENSE技術甚至可以使研究人員實時分析數據，從而節省時間。“DENSE仿真程序可以足夠快地解釋數據，從而修改實驗。希望將來我們可以用它進行現場分析。”