Jaringan Saraf Tiruan Baru Dikembangkan untuk Menyelesaikan Masalah Fisika dengan Cepat

Sejak Sir Isaac Newton, masalah tiga-benda telah membingungkan matematikawan dan peneliti fisika. Seperti yang dijelaskan oleh ScienceAlert , “masalah tiga-benda melibatkan perhitungan gerakan tiga benda yang berinteraksi secara gravitasi – seperti Bumi, Bulan, dan Matahari, misalnya – yang diberikan posisi dan kecepatan awalnya.”

Di permukaan, masalah ini tampaknya sederhana, tetapi pada kenyataannya, ini adalah masalah yang sangat sulit untuk diatasi. Salah satu hasilnya adalah pengenalan kronometer laut untuk menghitung posisi di laut, bukan menyelesaikan masalah tiga-benda dengan menghitung posisi oleh Bulan dan bintang-bintang.

Dengan kemajuan cepat dalam studi alam semesta, masalah tiga-benda menjadi bagian penting bagi peneliti ketika mereka mencoba memahami “bagaimana lubang hitam biner mungkin berinteraksi dengan lubang hitam tunggal, dan dari sana bagaimana beberapa objek dasar alam semesta berinteraksi satu sama lain.”

Untuk membuat perhitungan ini layak dalam waktu yang wajar, ilmuwan dan peneliti menggunakan jaringan saraf tiruan (ANN) yang dalam. Sistem baru ini dikembangkan oleh tim yang terdiri dari peneliti dari Universitas Edinburgh dan Universitas Cambridge di Inggris, Universitas Aveiro di Portugal, dan Universitas Leiden di Belanda.

ANN yang dikembangkan oleh tim ini dilatih pada basis data masalah tiga-benda yang ada serta seleksi solusi yang telah ditemukan oleh ilmuwan sebelumnya.

Hasilnya sangat menjanjikan. ANN yang dilatih berjanji dapat menemukan solusi “100 juta kali lebih cepat daripada teknik yang ada.”

Makalah penelitian yang dihasilkan, “Newton vs mesin: menyelesaikan masalah tiga-benda yang kacau menggunakan jaringan saraf tiruan yang dalam” menyatakan bahwa, “ANN yang dilatih dapat menggantikan solusi numerik yang ada, memungkinkan simulasi yang cepat dan skalabel dari banyak sistem tubuh untuk memahami fenomena yang belum terpecahkan seperti pembentukan sistem biner lubang hitam atau asal usul inti runtuh pada klaster bintang yang padat.”

ScienceAlert mencatat bahwa “peneliti menyederhanakan proses untuk hanya mencakup tiga partikel dengan massa yang sama dalam satu bidang, semua dimulai dengan kecepatan nol, dan kemudian menjalankan solver tiga-benda yang ada yang disebut Brutus 10.000 kali (9.900 untuk pelatihan dan 100 untuk validasi).”

Setelah dilatih, ANN baru ini menghasilkan hasil yang mengesankan. Ini diberikan 5.000 skenario baru untuk bekerja dan hampir sepenuhnya sesuai dengan hasil yang dicapai oleh Brutus.

Meskipun studi ini belum ditinjau oleh rekan sejawat, oleh ilmuwan dengan pengetahuan dan pengalaman di bidang ini dan masih lebih seperti konsep bukti pada tahap ini, ini tentu menunjukkan bahwa jaringan saraf tiruan yang dilatih “mungkin dapat bekerja bersama dengan Brutus dan sistem serupa, melompat ketika perhitungan tiga-benda menjadi terlalu kompleks untuk model kita saat ini untuk menanganinya.”

Seperti yang disimpulkan oleh tim peneliti dalam makalah mereka, “Pada akhirnya, kami membayangkan, jaringan itu mungkin dapat dilatih pada masalah kacau yang lebih kaya, seperti masalah empat-benda dan lima-benda, mengurangi beban komputasi bahkan lebih.”