[发明专利]用于物理系统的状态预测的方法、设备、介质和产品

说明书

根据本公开的实施例，提供了用于物理系统的状态预测的方法、设备、介质和产品。该方法包括获得神经网络，神经网络已被训练为能够确定物理系统随时间的状态变化，神经网络的训练数据指示多个物理系统在多个时间的状态；获得目标物理系统在第一时间的状态对应的状态数据；至少基于目标物理系统的多个物理单元各自的材料属性的目标值，确定多个物理单元各自的单元特征表示；以及通过至少将单元特征表示输入到神经网络，基于状态数据来确定目标物理系统在第二时间的状态。通过上述方案，可以显著提高神经网络的泛化能力。

技术领域

本公开的示例实施例总体涉及人工智能(AI)领域，特别地涉及 用于物理系统的状态预测的方法、设备、介质和产品。

背景技术

物理系统的动力学研究由于力的作用，物理系统的状态如何改 变。物理系统的动力学建模对于科学和工程的发展非常重要。举例而 言，在科学和工程研究中，可能期望模拟沙堆的运动，雪块在碰撞和 压缩后的变形，弹性体在跌落时变形，或者弹性体在不规则障碍物上 的有限元力学(Finite Element Mechanical，FEM)分析，等等。

建造高精度的物理模拟器需要广泛的领域知识和大量的工程工 作。然而，用于确保感知真实性的近似技术使得这样的模拟从长期来 看偏离了真实的规律。随着机器学习技术的不断演进，提出了基于神 经网络的物理模拟器(也称为“物理引擎”)，用于从大量训练数据 中学习物理系统随时间的动态状态变化。已有研究证明机器学习技术 在改进物理系统的动力学建模方面的可行性。

发明内容

根据本公开的示例实施例，提供了一种用于物理系统的状态预测 的方案。

在本公开的第一方面，提供了一种用于状态预测的方法。该方法 包括：获得神经网络，神经网络已被训练为能够确定物理系统随时间 的状态变化，神经网络的训练数据指示多个物理系统在多个时间的状 态；获得目标物理系统在第一时间的状态对应的状态数据，状态数据 指示目标物理系统包括的多个物理单元、多个物理单元的材料属性和 多个物理单元之间的相互作用关系；至少基于目标物理系统中的多个 物理单元各自的材料属性的目标值，确定多个物理单元各自的单元特 征表示；以及通过至少将单元特征表示输入到神经网络，基于状态数 据来确定目标物理系统在第二时间的状态。

在本公开的第二方面，提供了一种电子设备。该设备包括至少一 个处理单元；以及至少一个存储器，至少一个存储器被耦合到至少一 个处理单元并且存储用于由至少一个处理单元执行的指令。指令在由 至少一个处理单元执行时使设备执行以下动作：获得神经网络，神经 网络已被训练为能够确定物理系统随时间的状态变化，神经网络的训 练数据指示多个物理系统在多个时间的状态；获得目标物理系统在第 一时间的状态对应的状态数据，状态数据指示目标物理系统包括的多 个物理单元、多个物理单元的材料属性和多个物理单元之间的相互作 用关系；至少基于目标物理系统中的多个物理单元各自的材料属性的 目标值，确定多个物理单元各自的单元特征表示；以及通过至少将单 元特征表示输入到神经网络，基于状态数据来确定目标物理系统在第 二时间的状态。

在本公开的第三方面，提供了一种用于状态预测的装置。该装置 包括网络获得单元，被配置为获得神经网络，神经网络已被训练为能 够确定物理系统随时间的状态变化，神经网络的训练数据指示多个物 理系统在多个时间的状态；状态获得单元，被配置为获得目标物理系 统在第一时间的状态对应的状态数据，状态数据指示目标物理系统包 括的多个物理单元、多个物理单元的材料属性和多个物理单元之间的 相互作用关系；特征表示确定单元，被配置为至少基于目标物理系统 中的多个物理单元各自的材料属性的目标值，确定多个物理单元各自 的单元特征表示；以及状态确定单元，被配置为通过至少将单元特征表示输入到神经网络，基于状态数据来确定目标物理系统在第二时间 的状态。

在本公开的第四方面，提供了一种计算机可读存储介质。介质上 存储有计算机程序，程序被处理器执行时实现第一方面的方法。