Uudelleen kehitetty tekoälyverkko ratkaisee fysiikan ongelman nopeasti

Sir Isaac Newtonin ajoista lähtien niin kutsuttu kolmen kappaleen ongelma on hämmästytynyt matemaatikkoja ja fysiikan tutkijoita. Kuten ScienceAlert selittää, “kolmen kappaleen ongelma koskee kolmen gravitaationaalisen vuorovaikutuksen alaisten kappaleiden liikkeen laskemista – esimerkiksi Maan, Kuun ja Auringon – annettujen alkutilanteiden ja nopeuksien perusteella.”

Pinnan alla tämä ongelma näyttää yksinkertaiselta, mutta todellisuudessa se on erittäin vaikea ratkaista. Yksi tuloksista oli merenkulkukronometrien käyttöönotto määrätä sijainteja merellä, sen sijaan, että ratkaistaisiin kolmen kappaleen ongelma laskemalla tällainen sijainti Kuun ja tähtien avulla.

Maailmankaikkeuden tutkimuksen nopean edetessä kolmen kappaleen ongelma tuli tärkeäksi tutkijoille, kun he yrittivät selvittää, “miten mustat aukot voivat vuorovaikuttaa yksittäisten mustien aukkojen kanssa, ja siitä, miten jotkut Maailmankaikkeuden perustavimmista kohteista vuorovaikuttavat toistensa kanssa.”

Tee nämä laskelmat toteuttaviksi kohtuullisessa ajassa, tutkijat ja tutkimusryhmät turvautuivat syvän tekoälyverkon käyttöön. Uusi järjestelmä kehitettiin tutkijaryhmän toimesta, johon kuului tutkijoita Edinburghin yliopistosta ja Cambridgen yliopistosta Iso-Britanniassa, Aveiron yliopistosta Portugalissa ja Leidenin yliopistosta Alankomaissa.

Tutkijaryhmän kehittämä tekoälyverkko oli koulutettu olemassa olevien kolmen kappaleen ongelmien tietokannassa sekä valikoimassa ratkaisuja, joita tutkijat olivat aikaisemmin ratkaisseet.

Tulokset olivat enemmän kuin lupaavia. Koulutettu tekoälyverkko lupaa olevan kykenevä löytämään ratkaisuja “100 miljoonaa kertaa nopeammin kuin olemassa olevat menetelmät.”

Tutkimusraportti, “Newton vs. kone: ratkaisemalla kaoottinen kolmen kappaleen ongelma syvien neuroverkkorakenteiden avulla” toteaa, että, “Koulutettu tekoälyverkko voi korvata olemassa olevat numeeriset ratkaisijat, mahdollistaen nopeat ja skaalautuvat monien kappaleiden simulaatiot valaistamaan erinomaisia ilmiöitä, kuten mustien aukkojen binäärijärjestelmien muodostumista tai tiheiden tähtijoukkien ytimen romahdusta.”

ScienceAlert toteaa, että “tutkijat yksinkertaistivat prosessin vain kolmeen samanmassaiseen hiukkaseen tasossa, kaikki alkoivat nollanopeudella, ja sitten ajettiin olemassa oleva kolmen kappaleen ongelman ratkaisija Brutus 10 000 kertaa (9 900 koulutukseen ja 100 validointiin).”

Koulutuksen jälkeen uusi tekoälyverkko tuotti vaikuttavat tulokset. Sille annettiin 5 000 uutta skenaariota työstettäväksi, ja se vastasi lähes täysin Brutuksen saavuttamiin tuloksiin.

Vaikka tutkimus ei ole vielä käynyt läpi, tutkijoilla, jotka ovat asiasta tietoisia ja kokemuksesta, ja se on edelleen enemmän todistusaineistoa, se osoittaa, että koulutetut neuroverkot “voivat toimia Brutuksen ja muiden järjestelmien rinnalla, hyppäämällä sisään, kun kolmen kappaleen laskelmat tulevat liian monimutkaisiksi nykyisten mallien käsittelyyn.”

Kuten tutkijaryhmä toteaa tutkimusraportissaan, “Lopulta me näemme, että verkko voidaan kouluttaa rikkaampiin kaoottisiin ongelmiin, kuten 4- ja 5-kappaleongelmaan, vähentäen laskennallista taakkaa vielä enemmän.”