Новоразработена изкуствена невронна мрежа, настроена за бързо решаване на физичен проблем

От сър Исак Нютон нататък така нареченият проблем с трите тела обърква математиците и изследователите по физика. Като ScienceAlert обяснява,проблемът с трите тела включва изчисляване на движението на три гравитационно взаимодействащи тела – като например Земята, Луната и Слънцето – като се имат предвид техните начални позиции и скорости.“

На пръв поглед този проблем изглежда прост, но в действителност е изключително труден за справяне. Един от резултатите беше въвеждането, да речем, на морски хронометри за изчисляване на позиции в морето, вместо решаването на проблема с три тела, изчисляващ такава позиция от Луната и звездите.

С бързия напредък в изучаването на Вселената, проблемът с трите тела стана важна част за изследователите, когато се опитват да разберат "как черна дупка двоичните файлове могат да взаимодействат с единични черни дупкии оттам как някои от най-фундаменталните обекти на Вселената си взаимодействат помежду си.

За да направят тези изчисления осъществими за разумно време, учени и изследователи прибягнаха до използването на ANN, дълбоки изкуствени невронни мрежи. Новата система е разработена от екип, съставен от изследователи от университета в Единбург и университета в Кеймбридж във Великобритания, университета в Авейро в Португалия и университета в Лайден в Холандия.

ANN, разработен от този екип, беше обучен върху база данни със съществуващи проблеми с три тела, както и селекция от решения, които учените са измислили преди това.

Резултатите бяха повече от обещаващи. Обучената ANN обещава да бъде способна да намира решения "100 милиона пъти по-бързо от съществуващите техники.“

Получената изследователска статия, „Нютон срещу машината: решаване на хаотичния проблем с три тела с помощта на дълбоки невронни мрежи“ гласи че, „Обучена ANN може да замени съществуващите числени решаващи устройства, позволявайки бързи и мащабируеми симулации на системи от много тела, за да хвърлят светлина върху изключителни явления като образуването на двоични системи с черни дупки или произхода на колапса на ядрото в плътни звездни купове.“

ScienceAlert отбелязва, че „ изследователите опростиха процеса, за да включат само три частици с еднаква маса в една равнина, всички започващи с нулева скорост, и след това стартираха съществуваща програма за решаване на проблеми с три тела наречен Брут 10,000 9,900 пъти повече (100 XNUMX за обучение и XNUMX за валидиране).“

След обучение новата ANN постигна впечатляващи резултати. Дадени са му 5,000 нови сценария за работа и почти напълно съответства на резултатите, постигнати от Брут.

Докато проучването все още не е рецензирано от учени с познания и опит в областта и все още е повече от доказателство за концепцията на този етап, то със сигурност показва, че обучените невронни мрежи „може да са в състояние да работят заедно с Брут и подобни системи, като се намесват, когато изчисленията с три тела станат твърде сложни, за да могат да се справят нашите настоящи модели“.

Както този екип от изследователи заключава в своята статия, „В крайна сметка си представяме, че тази мрежа може да бъде обучена на по-богати хаотични проблеми, като проблема с 4 и 5 тела, намалявайки още повече изчислителната тежест.“