Разумные вычисления, необходимые для предсказания того, как три небесных тела вращаются вокруг друг друга, сбивали с толку физиков со времен сэра Исаака Ньютона. Теперь искусственный интеллект (А.И.) показал, что он может решить проблему за долю времени, требуемую предыдущими подходами.
Ньютон был первым, кто сформулировал проблему в 17 веке, но найти простой способ ее решения оказался невероятно трудным. Гравитационные взаимодействия между тремя небесными объектами, такими как планеты, звезды и луны, приводят к хаотической системе, которая является сложной и очень чувствительной к начальным позициям каждого тела.
Современные подходы к решению этих проблем включают использование программного обеспечения, для выполнения которого могут потребоваться недели или даже месяцы. Поэтому исследователи решили посмотреть, является ли нейронная сеть - типом распознавания паттерна А.И. это слабо имитирует работу мозга - может быть лучше.
Алгоритм, который они создали, дал точные решения в 100 миллионов раз быстрее, чем самая передовая программа, известная как Brutus. Это может оказаться неоценимым для астрономов, пытающихся понять такие вещи, как поведение звездных скоплений и более широкое развитие Вселенной, сказал Крис Фоули, биостатист из Кембриджского университета и соавтор статьи в базе данных arXiv, которая пока быть рецензированным.
«Эта нейронная сеть, если она хорошо работает, должна быть в состоянии предоставить нам решения в беспрецедентные сроки», - сказал он в интервью Live Science. «Таким образом, мы можем начать думать о достижении прогресса с более глубокими вопросами, такими как, как формируются гравитационные волны».
Нейронные сети должны быть обучены путем подачи данных, прежде чем они смогут делать прогнозы. Таким образом, исследователи должны были сгенерировать 9 900 упрощенных сценариев с тремя телами, используя Brutus, нынешнего лидера, когда дело доходит до решения проблем с тремя телами.
Затем они проверили, насколько хорошо нейронная сеть может предсказать эволюцию 5000 невидимых сценариев, и обнаружили, что ее результаты близко совпадают с результатами Брута. Тем не менее, программа на основе A.I. решала проблемы в среднем за долю секунды, по сравнению с почти 2 минутами.
По словам Фоли, программы, такие как Brutus, настолько медленные, что они решают проблему грубой силой, выполняя расчеты для каждого крошечного шага траекторий небесных тел. Нейронная сеть, с другой стороны, просто смотрит на движения, производимые этими вычислениями, и выводит схему, которая может помочь предсказать, как будут развиваться будущие сценарии.
Это создает проблему для расширения системы, сказал Фоли. Текущий алгоритм является проверкой концепции и извлечен из упрощенных сценариев, но для обучения более сложным или даже увеличения числа задействованных тел до четырех из пяти в первую очередь требуется, чтобы вы сгенерировали данные на Brutus, что может быть чрезвычайно затратным по времени. потребляющий и дорогой.
«Существует взаимосвязь между нашей способностью тренировать фантастически эффективную нейронную сеть и нашей способностью на самом деле получать данные для ее обучения», - сказал он. «Так что там есть узкое место».
Одним из способов решения этой проблемы было бы создание совместным хранилищем данных, полученных с использованием таких программ, как Brutus. Но сначала это потребует создания стандартных протоколов, чтобы обеспечить соответствие данных всем стандарту и формату, сказал Фоли.
Фоли сказал, что с нейронной сетью еще нужно разобраться. Он может работать только в течение установленного времени, но заранее невозможно узнать, сколько времени займет выполнение определенного сценария, поэтому алгоритм может выдыхаться до того, как проблема будет решена.
Исследователи не предполагают, что нейронная сеть будет работать изолированно, сказал Фоли. Они считают, что лучшим решением для такой программы, как Brutus, было бы выполнить большую часть работы с нейронной сетью, взяв на себя только те части симуляции, которые включают в себя более сложные вычисления, запутывающие программное обеспечение.
«Вы создаете этот гибрид», сказал Фоли. «Каждый раз, когда Брут застревает, вы используете нейронную сеть и подталкиваете ее вперед. И затем вы оцениваете, отклеился ли Брут».
