Red de Neuronal Artificial Recién Desarrollada Está a Punto de Resolver Rápidamente un Problema de Física

Desde Sir Isaac Newton, el llamado problema de los tres cuerpos ha confundido a matemáticos e investigadores de física. Como ScienceAlert explica, “el problema de los tres cuerpos implica calcular el movimiento de tres cuerpos que interactúan gravitacionalmente – como la Tierra, la Luna y el Sol, por ejemplo – dado sus posiciones y velocidades iniciales.”

En la superficie, este problema parece ser simple, pero en realidad, es extremadamente difícil de abordar. Uno de los resultados fue la introducción de, por ejemplo, cronómetros marinos para calcular posiciones en el mar, en lugar de resolver el problema de los tres cuerpos para calcular dicha posición por la Luna y las estrellas.

Con el rápido avance del estudio del Universo, el problema de los tres cuerpos se convirtió en una parte importante para los investigadores cuando intentan descubrir “cómo agujeros negros binarios podrían interactuar con agujeros negros solitarios, y desde allí cómo algunos de los objetos más fundamentales del Universo interactúan entre sí.”

Para hacer que estos cálculos sean factibles en un tiempo razonable, científicos e investigadores recurrieron al uso de ANN, redes neuronales artificiales profundas. El nuevo sistema fue desarrollado por un equipo compuesto por investigadores de la Universidad de Edimburgo y la Universidad de Cambridge en el Reino Unido, la Universidad de Aveiro en Portugal y la Universidad de Leiden en los Países Bajos.

La ANN que este equipo desarrolló se entrenó en una base de datos de problemas de tres cuerpos existentes, así como en una selección de soluciones que los científicos habían resuelto previamente.

Los resultados fueron más que prometedores. La ANN entrenada promete ser capaz de encontrar soluciones “100 millones de veces más rápido que las técnicas existentes.”

El artículo de investigación resultante, “Newton vs la máquina: resolviendo el problema caótico de los tres cuerpos utilizando redes neuronales profundas” establece que, “Una ANN entrenada puede reemplazar a los solvers numéricos existentes, permitiendo simulaciones rápidas y escalables de sistemas de muchos cuerpos para arrojar luz sobre fenómenos destacados como la formación de sistemas binarios de agujeros negros o el origen del colapso del núcleo en cúmulos de estrellas densas.”

ScienceAlert señala que “los investigadores simplificaron el proceso para incluir solo tres partículas de masa igual en un plano, todas con velocidad cero inicial, y luego ejecutaron un solver de problemas de tres cuerpos existente llamado Brutus 10,000 veces (9,900 para entrenamiento y 100 para validación).”

Después del entrenamiento, la nueva ANN obtuvo resultados impresionantes. Se le dieron 5,000 nuevos escenarios para trabajar y coincidió casi por completo con los resultados que logró Brutus.

Aunque el estudio aún no ha sido revisado por pares, por científicos con conocimiento y experiencia en el campo y es más de un concepto de prueba en esta etapa, ciertamente muestra que las redes neuronales entrenadas “podrían trabajar junto con Brutus y sistemas similares, saltando cuando los cálculos de tres cuerpos se vuelvan demasiado complejos para que nuestros modelos actuales los manejen.”

Como concluye el equipo de investigadores en su artículo, “Eventualmente, vislumbramos que la red puede ser entrenada en problemas caóticos más ricos, como el problema de 4 y 5 cuerpos, reduciendo aún más la carga computacional.”