在现代世界，计算机模拟在诸多领域发挥着关键作用，从研究原子行为到设定航天器轨迹，从材料研发到天气预报，其计算需逐时间步进行，但每一步的近似值易累积误差。神户大学研究团队提出新方法，利用深度学习创建定制化、精确模拟，既符合物理定律，又提升计算效率。

机器学习专家矢口隆治拥有20年开发物理模拟经验，他指出近年来深度学习方法虽被应用，但常违反保证精度所需的物理定律，传统物理模拟虽精确却耗时耗力。为此，他与挪威科技大学合作，寻求兼顾精确性与效率的方法。在第39届神经信息处理系统年会上，团队报告称找到从目标数据中学习能量守恒行为、精度极高的时间步长计算方法。他们不仅从数学上证明该方法符合关键物理定律，还在一系列典型物理系统模拟样本中验证其卓越精度。矢口解释，此方法能以高精度模拟各种现象长期预测，针对特定系统量身定制方案，应用广泛。以Hénon-Heiles模型模拟恒星运动为例，新方法最接近物理系统真实长期行为，误差最小。

研究人员还考虑计算资源问题，发现新方法仅需传统计算方法中精度次高70%左右的计算时间。矢口称，新方法能在更短时间内算出更准确方案，包括生成测试数据和训练模型时间。他还表示，若赋予方法“辛性”附加特性，或能实现对能量守恒系统近乎完全无误差模拟，此前人们认为这不可能，但新方法或使其成为现实。

更多信息： 核心方法名称：UEPI：能量守恒/耗散微分方程的通用能量行为保持积分器。