从「预测未来」到「理解世界」：Tadpole 与一种新的科学基础模型思路

针对三维物理世界基础模型训练面临的数据规模大、不同物理系统参数差异大等痛点，Tadpole 提出以自编码器预训练学习三维物理场空间结构特征的新思路，而非直接学习动力学预测未来。它采用在线学习机制，训练时由 GPU 数值求解器实时生成物理数据，无需存储 202TB 的庞大数据集，还实现约 1.8 倍训练提速。通过拆分变量、随机裁剪局部区域的方式，Tadpole 可适配不同变量数量、不同空间分辨率的三维物理数据，预训练得到的通用物理表示可通过轻量级适配拓展至动力学预测、物理场生成等任务，相关核心思路还可进一步扩展到非结构网格与复杂三维几何场景，为物理基础模型提供了先学习表示世界、再学习演化规律的新路径。

媒体报道
从「预测未来」到「理解世界」：Tadpole 与一种新的科学基础模型思路 机器之心/腾讯网

#热门话题