WorldParticle：基于 Transformer 的统一拉格朗日粒子动力学仿真
图形学
2026-05-21 v4 机器学习
摘要
能够在无需求解器特定 redesign 的情况下对多样物理现象进行建模的统一仿真器，是仿真科学中长期的目标。我们提出了一个基于单一 Transformer 架构构建的学习型粒子仿真器，用于模型化布料、弹性固体、牛顿流体和非牛顿流体、颗粒材料以及分子动力学。我们的模型遵循基于共享拉格朗日粒子表示的预测-纠正设计。显式预测器首先在已知外部力作用下推进粒子，产生一个捕获外部驱动运动但不包含粒子间相互作用的中间状态。随后，一个学习型纠正器通过三个阶段预测残余位置和速度更新：一个粒子标记器对编码局部粒子-粒子、粒子-边界以及拓扑引导的相互作用；一个超级标记器通过交替自注意力和标记合并层级地将粒子标记合并为一组紧凑的超级标记；以及一个超级标记解码器通过交叉注意力将这些超级标记提升回粒子分辨率，以预测每个粒子的位置和速度修正。渐进式标记合并通过在各编码层级处将标记数减半来降低注意力成本，解码器通过紧凑的超级标记集合进行通信，而非完整的粒子到粒子注意力。对于六种动力学类别，该相同架构能够推广到未见的材料、边界配置、初始条件和外部力。我们进一步展示了下游的交互式控制、逆向设计以及从真实世界操作数据中学习，减少了针对每个现象的求解器工程需求。
关键词
引用
@article{arxiv.2605.15305,
title = {WorldParticle: Unified World Simulation of Lagrangian Particle Dynamics via Transformer},
author = {Caoliwen Wang and Minghao Guo and Siyuan Chen and Heng Zhang and Mengdi Wang and Xingyu Ni and Hanson Sun and Kunyi Wang and Zherong Pan and Kui Wu and Lingjie Liu and Yin Yang and Chenfanfu Jiang and Taku Komura and Wojciech Matusik and Peter Yichen Chen},
journal= {arXiv preprint arXiv:2605.15305},
year = {2026}
}