《科学》报道，即使用最快的超级计算机模拟复杂的自然现象也要花上几个小时。而作为一种能够快速模拟的算法，仿真器无疑提供了一条捷径。发表在 arXiv 上的一项研究（PDF）表明，人工智能可以很容易地生成精确的仿真器，可以将所有科学领域的仿真加速数十亿倍。 这种技术被称为深度仿真器网络搜索（DENSE），它依赖于斯坦福大学计算机科学家 Melody Guan 开发的一种通用神经结构搜索。它在网络的输入和输出之间随机插入计算层，用有限的数据测试和训练生成的线路。 如果添加的计算层可以提高性能，那么它很可能被选用在未来的仿真器变化中，而重复这个过程可以改进仿真器。研究人员使用 DENSE 技术开发了 10 个仿真器，分别用于物理、天文、地质和气候科学领域。 DENSE 的仿真器表现出色，其速度比其他模拟器快 10 万到 20 亿倍。而且，这些仿真器非常精确：天文仿真器的结果与全模拟的一致性超过 99.9%，在 10 次模拟中，神经网络仿真器比传统仿真器要好得多。
