訓練快一倍、資料省六成，新型預訓練法 GeoPT 讓 AI 具備「物理直覺」

2026/08/24

圖文引用自：technews.tw

人工智慧（AI）雖已精通文字、影像與 3D 模型生成，但在模擬車輛、機器人於風阻、水流或碰撞等真實環境下的反應時，往往受限於龐大的資料需求與耗時的數值求解。麻省理工學院（MIT）電腦科學與人工智慧實驗室（CSAIL）與中國清華大學研究團隊近日提出新型預訓練方法「GeoPT」，成功讓 AI 模型建立深刻的物理直覺，大幅提升 3D 物理模擬的效率與精準度。

GeoPT 的核心突破在於引進「合成動態」（Synthetic Dynamics）訓練機制。研究團隊運用 130 萬筆虛擬樣本，模擬小球以不同速度與角度接觸複雜 3D 結構後停止的過程，使模型在接觸標註資料前，就先理解粒子與實體結構互動的基本物理規律。這項創新讓模型在多項基準測試中展現出壓倒性的效率優勢：

• 訓練效率翻倍：達到最佳峰值表現的速度比現有領先模型快上約一倍。
• 資料需求大減：最多可減少 60% 的標註資料需求。
• 極端環境模擬：在船體同時受空氣風阻與海浪衝擊的複合測試中，僅用少 60% 的資料、快 4 倍的速度即達到最高精確度。

秒級完成上億網格點運算，邁向物理基礎模型新紀元

在實際應用上，工程師只需導入戰艦、客機或卡車等 3D 模型，GeoPT 便能迅速計算並輸出類似熱圖的受力分布，方便進行設計評估。此外，模型在風壓、表面壓力、戰機受風、車輛碰撞變形，乃至光線穿過 3D 模型等測試中，表現均顯著優於現有方法。…