新しく開発された人工ニューラルネットワークが物理学の問題を迅速に解決する

アイザック・ニュートン以来、物理学者や研究者を悩ませてきた三体問題は、ScienceAlert によると、「三体問題とは、地球、月、太陽などの3つの重力相互作用する物体の運動を、初期位置と速度から計算する問題である。」

表面上は簡単な問題のように思えるが、実際には非常に難しい問題である。結果として、海上での位置の計算に海軍の経度計を使用することになったが、三体問題を解くことはできなかった。

宇宙の研究が進むにつれて、三体問題は研究者が「ブラックホールの二重星が単独のブラックホールとどのように相互作用するか、そして宇宙の基本的な物体がどのように相互作用するかを理解するために重要な問題となった。

これらの計算を実行可能な時間内に実行するために、科学者や研究者は深層学習人工ニューラルネットワーク（ANN）を使用するようになった。このシステムは、エジンバラ大学、ケンブリッジ大学、ポルトガルのアベイロ大学、オランダのライデン大学の研究者チームによって開発された。

このチームが開発したANNは、三体問題の既存のデータベースと、科学者が以前解決した解の選択に基づいてトレーニングされた。

結果は非常に期待を裏切るものであった。トレーニングされたANNは、「既存の手法よりも100万倍速く解決できる」ということがわかった。

研究論文「Newton vs the machine: solving the chaotic three-body problem using deep neural networks」では、「トレーニングされたANNは、既存の数値解法を置き換えることができ、ブラックホール二重星系の形成や密集した星団のコア崩壊の起源などの未解決の現象を明らかにするための高速なシミュレーションを可能にする。」

ScienceAlertによると、研究者は「プロセスを簡略化し、平面上に3つの等質量の粒子を配置し、初期速度を0に設定し、既存の三体問題ソルバーBrutusを10,000回実行した（9,900回はトレーニング、100回は検証）。」

トレーニング後、新しいANNは印象的な結果をもたらした。5,000の新しいシナリオを与えられたANNは、Brutusが達成した結果とほぼ完全に一致した。

この研究はまだ査読済みではないが、分野の専門家によって実施され、まだ概念実証の段階にあるが、トレーニングされたニューラルネットワークが「Brutusや同様のシステムと共に作業し、三体計算が現在のモデルで処理できるよりも複雑になる場合に介入することができるかもしれない。」

研究者チームは論文で結論付けているように、「最終的には、ネットワークがより複雑な問題、たとえば4体問題や5体問題にトレーニングされ、計算負荷をさらに軽減することができる。」