GeoPT：几何预训练+随机动力学加速物理模拟
由相关团队推出的GeoPT模型，通过在几何信息中融入合成动力学思路，实现了无需物理标签的动力学感知自监督学习。当前不少相关报道都未能准确抓住其核心技术本质，本文将系统梳理这一技术的完整脉络。
物理仿真的数据困境
当前的神经网络仿真模型，目标是替代部分传统的计算流体力学、有限元等数值仿真工作：只要输入对应的几何结构和物理条件，模型就能直接预测速度、压力、应力等各类物理场数据。但这类物理仿真模型的核心痛点在于数据获取：高精度的数值仿真计算成本极高，如果想要训练更大规模的模型，就需要更多的仿真数据，这会进一步推高整体的研发成本。
和语言、视觉领域可以依托互联网海量公开数据不同，物理仿真模型很难找到同等量级的真实物理训练数据。GeoPT的解决思路直击痛点：能否先通过大量廉价的三维几何数据完成预训练，再借助少量真实物理数据完成对齐，让模型掌握物理相关的知识？
几何与物理之间的动力学缺口
以汽车为例，它的几何结构是固定的，但流经它的气流可以来自不同方向、以不同速度运动。物理仿真关注的不仅仅是物体本身的形态，更重要的是当状态在空间中传播时，几何结构会如何影响这种传播和演化——这正是几何信息和物理规律之间缺失的“动力学”环节。
GeoPT的核心设计，是为静态的几何结构添加人工生成的随机速度场，让空间中的点按照这个速度场运动，从而生成大量的运动轨迹。通过这种方式，模型可以学习到一个基础能力：当信息沿不同方向传播时，几何结构会如何影响这种传播过程。这一过程可以脱离真实的物理仿真，整体成本非常低廉，其核心逻辑可以通过输运方程来表达：
人工合成的随机运动轨迹
需要注意的是，GeoPT中使用的随机速度并非真实的流体速度，也不需要遵循纳维-斯托克斯方程，它的唯一作用是生成大量不同的“运动过程”。以汽车模型为例，我们可以通过调整起点、运动方向和速度，为同一个几何模型生成海量的运动轨迹，让单一的几何体就能产生数量庞大的训练样本。
根据公开的研究数据，该工作使用了超过一万个几何模型，生成了超过一百三十万个预训练样本。其核心思想可以总结为：先让模型充分接触各类可能的动力学过程，再通过真实物理数据来筛选、对齐符合自然规律的动力学表征。
锚定真实物理规律
我们可以将所有可能的运动状态看作一个庞大的“动力学空间”，而随机速度场的作用就是让模型在这个空间中进行广泛探索。而真实的物理规律只允许这个空间中的一小部分状态存在：比如不可压缩流体需要满足散度为0的条件，同时还要遵循纳维-斯托克斯方程、边界条件以及各类守恒定律的约束。
因此，真实的物理状态可以被理解为动力学空间中的一个“物理流形”。这也解释了GeoPT的有效性：在预训练阶段，模型学习到广泛的动力学表征，再通过物理训练阶段将这些表征对齐到真实的物理规律中。需要特别注意的是，随机速度场本身并不会被训练成真实的流体速度，真正发生改变的是模型的内部表征。
和扩散模型的类比与差异
从抽象层面来看，GeoPT和扩散模型有一个共通的思路：都是从一个宽泛的先验空间，逐步走向受到约束的目标空间。扩散模型是从随机噪声出发，通过逐步去噪生成符合数据分布的样本；而GeoPT则是从人工生成的动力学过程出发，再借助真实物理数据来学习和物理相关的表征。
因此，可以将GeoPT类比为对动力学过程的扩散建模，这是一个便于理解的直观类比。不过从算法本质上来说，二者并不相同：扩散模型的核心是加噪和去噪的生成流程，而GeoPT的核心是让信息沿着随机速度场进行传播，从而学习几何结构和动力学过程之间的关联。更准确的描述是，GeoPT通过随机动力学建立通用的先验知识，再通过真实物理数据将模型的表征引导到符合物理规律的空间中。
技术落地的核心优势
GeoPT将预训练任务拆解为三个清晰的层次：首先是几何层，学习“世界的形态是什么样的”；其次是动力学层，掌握“状态如何运动和传播”；最后是物理层，理解“哪些运动过程符合真实世界的规律”。
通过这种分层设计，昂贵的真实仿真数据可以被集中用于学习物理规律，而廉价的几何数据则承担基础表征的学习任务。根据公开的实验结果，GeoPT可以减少20%到60%的标注物理数据需求，同时让模型的收敛速度提升约两倍。
带来的行业启发
这项研究或许为物理仿真领域打开了全新的思路。如果随机动力学过程可以作为通用的先验知识，那么我们是否可以进一步构建从“一般动力学”到“符合物理规律的动力学”的学习路径？在这个方向上，扩散模型、流匹配等生成式方法或许可以发挥重要作用。
模型可以从一个简单的动力学状态出发，逐步生成满足几何约束、边界条件、守恒定律以及各类偏微分方程的物理状态。这样一来，物理基础模型的目标就可以从单纯的“预测一个物理场”，转变为“理解并生成几何世界中可能发生的物理过程”。
物理模型的规模化发展，不一定只能依靠不断增加昂贵的真实仿真数据。先通过大量的几何数据学习“世界如何变化”，再借助物理规律明确“哪些变化是真实可行的”，或许是一条更具扩展性的技术路线。
