Изчисленията за огъване на ума, необходими, за да се предскаже как три небесни тела обикалят в орбита помежду си, са смутили физиците още от времето на сър Исак Нютон. Сега изкуственият интелект (A.I.) показа, че може да реши проблема за част от времето, необходимо от предишните подходи.
Нютон е първият, който формулира проблема през 17-ти век, но намирането на прост начин за решаването му се оказа невероятно трудно. Гравитационните взаимодействия между три небесни обекта като планети, звезди и луни водят до хаотична система - такава, която е сложна и силно чувствителна към изходните позиции на всяко тяло.
Настоящите подходи за решаване на тези проблеми включват използване на софтуер, който може да отнеме седмици или дори месеци за завършване на изчисленията. Затова изследователите решили да видят дали невронна мрежа - вид модел, разпознаващ A.I. което слабо имитира как работи мозъкът - би могло да се справи по-добре.
Алгоритъмът, който те изградиха, предоставяше точни решения до 100 милиона пъти по-бързи от най-модерната софтуерна програма, известна като Brutus. Това може да се окаже безценно за астрономите, които се опитват да разберат неща като поведението на звездни клъстери и по-широката еволюция на Вселената, казва Крис Фоли, биостатист в Кембриджския университет и съавтор на книга към базата данни на arXiv, която все още има да бъде подложен на проверка.
"Тази невронна мрежа, ако върши добра работа, би трябвало да може да ни предостави решения в безпрецедентни времеви рамки", каза той пред Live Science. "Така че можем да започнем да мислим за постигане на напредък с много по-дълбоки въпроси, като например как се образуват гравитационните вълни."
Невронните мрежи трябва да бъдат обучени чрез подаване на данни, преди да могат да правят прогнози. Така че изследователите трябваше да генерират 9 900 опростени сценарии с три тела, използвайки Брутус, настоящият лидер, когато става въпрос за решаване на проблеми с три тела.
След това тестваха колко добре нервната мрежа може да предскаже еволюцията на 5000 невиждани сценария и откриха, че нейните резултати съответстват точно на тези на Брут. Въпреки това, базираната на A.I. програма решава проблемите средно само за част от секундата, в сравнение с близо 2 минути.
Причината програми като Брут са толкова бавни е, че решават проблема с груба сила, каза Фоли, извършвайки изчисления за всяка малка стъпка от траекториите на небесните тела. Невронната мрежа, от друга страна, просто разглежда движенията, които тези изчисления произвеждат и извежда модел, който може да помогне да се предскаже как ще се изпълнят бъдещите сценарии.
Това обаче представлява проблем за мащабирането на системата, каза Фоли. Настоящият алгоритъм е доказателство за концепцията и се научи от опростени сценарии, но обучението на по-сложни или дори увеличаването на броя на участващите тела до четири от пет първо изисква да генерирате данните за Brutus, което може да бъде изключително време, консумация и скъпо.
"Има взаимодействие между нашата способност да тренираме фантастично изпълняваща невронна мрежа и способността ни всъщност да извличаме данни, с които да я тренираме", каза той. "Значи там е тясно място".
Един от начините за справяне с този проблем би бил изследователите да създадат общ хранилище на данни, произведени с помощта на програми като Brutus. Но първо това ще изисква създаването на стандартни протоколи, за да се гарантира, че всички данни са в постоянен стандарт и формат, каза Фоли.
Все още има няколко проблема, с които трябва да се работи и с невронната мрежа, каза Фоли. Той може да работи само за зададено време, но не е възможно да се знае предварително колко време ще отнеме определен сценарий, така че алгоритъмът да изчерпи пара, преди проблемът да бъде решен.
Изследователите обаче не предвиждат нервната мрежа да работи изолирано, каза Фоли. Те смятат, че най-доброто решение би било програма като Brutus да извърши по-голямата част от краката с невронната мрежа, като вземе само частите от симулацията, които включват по-сложни изчисления, които затрудняват софтуера.
"Вие създавате този хибрид", каза Фоли. "Всеки път, когато Брут се забие, вие използвате невронната мрежа и я придвижвате напред. И тогава преценявате дали Брут се е отлепил или не."
