Nuova rete neurale artificiale sviluppata per risolvere rapidamente un problema di fisica

Dai tempi di Sir Isaac Newton, il cosiddetto problema dei tre corpi ha lasciato perplessi matematici e ricercatori di fisica. Come spiega ScienceAlert , “il problema dei tre corpi consiste nel calcolare il movimento di tre corpi che interagiscono gravitazionalmente – ad esempio, la Terra, la Luna e il Sole – dati le loro posizioni e velocità iniziali.”

A prima vista, questo problema sembra semplice, ma in realtà è estremamente difficile da affrontare. Uno dei risultati fu l’introduzione, ad esempio, di cronometri marini per calcolare le posizioni in mare, piuttosto che risolvere il problema dei tre corpi calcolando una posizione tramite la Luna e le stelle.

Con il rapido avanzamento dello studio dell’Universo, il problema dei tre corpi divenne un aspetto importante per i ricercatori quando tentarono di capire “come buchi neri binari potrebbero interagire con singoli buchi neri, e da lì come alcuni degli oggetti più fondamentali dell’Universo interagiscono tra loro.”

Per rendere questi calcoli possibili in un tempo ragionevole, scienziati e ricercatori ricorsero all’uso di ANN, reti neurali artificiali profonde. Il nuovo sistema fu sviluppato da un team composto da ricercatori dell’Università di Edimburgo e dell’Università di Cambridge nel Regno Unito, dell’Università di Aveiro in Portogallo e dell’Università di Leiden nei Paesi Bassi.

L’ANN sviluppata da questo team fu addestrata su un database di problemi dei tre corpi esistenti, nonché su una selezione di soluzioni che gli scienziati avevano precedentemente risolto.

I risultati furono più che promettenti. L’ANN addestrata promette di essere in grado di trovare soluzioni “100 milioni di volte più veloce delle tecniche esistenti.”

La relazione di ricerca risultante, “Newton vs the machine: solving the chaotic three-body problem using deep neural networks” afferma che, “Un’ANN addestrata può sostituire i solver numerici esistenti, consentendo simulazioni veloci e scalabili di molti sistemi di corpi per gettare luce su fenomeni eccezionali come la formazione di sistemi binari di buchi neri o l’origine del collasso del nucleo in ammassi stellari densi.”

ScienceAlert nota che “i ricercatori semplificarono il processo per includere solo tre particelle di massa uguale in un piano, tutte con velocità iniziale zero, e poi eseguirono un solver esistente per il problema dei tre corpi chiamato Brutus 10.000 volte (9.900 per l’addestramento e 100 per la convalida).”

Dopo l’addestramento, la nuova ANN ottenne risultati impressionanti. Le fu assegnato di lavorare con 5.000 nuovi scenari e quasi completamente replicò i risultati di Brutus.

Sebbene lo studio debba ancora essere revisionato dai pari, da scienziati con conoscenze e esperienza nel settore e sia ancora più che una prova di concetto a questo stadio, dimostra certamente che le reti neurali addestrate “potrebbero essere in grado di lavorare insieme a Brutus e sistemi simili, saltando dentro quando i calcoli dei tre corpi diventano troppo complessi per i nostri modelli attuali.”

Come conclude il team di ricercatori nel loro articolo, “Alla fine, noi prevediamo che la rete possa essere addestrata su problemi caotici più ricchi, come il problema a quattro e cinque corpi, riducendo ulteriormente l’onere computazionale.”