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

ニュートン以来、所謂の三体問題は数学者や物理学者を困惑させてきた。 ScienceAlert によると、 “三体問題は、地球、月、太陽などの三つの重力相互作用する物体の運動を、初期位置と速度が与えられた場合に計算することを伴う。”

表面上、この問題は簡単なように見えるが、実際には非常に難しい問題である。結果として、海上での位置を計算するために、海軍のクロノメーターが導入されることになった。三体問題を解決することで位置を計算するのではなく、月と星によって位置を計算するのである。

宇宙の研究が急速に進化するにつれ、三体問題は、研究者が “ブラックホールの二重星が単一の ブラックホール とどのように相互作用するか、そしてそれから宇宙の最も基本的な物体がどのように相互作用するかを理解する” ための中核的な部分となった。

これらの計算を合理的な時間内に実行可能にするために、科学者や研究者は、ANN（人工ニューラルネットワーク）を利用するようになった。新しいシステムは、イギリスのエジンバラ大学とケンブリッジ大学、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からなるチームによって開発された。

このチームが開発したANNは、既存の三体問題と科学者が以前解決した一連の解のデータベースでトレーニングされた。

結果は非常に期待を裏切るものではなかった。トレーニングされたANNは、既存の技術よりも “1億倍速く解決できる” と約束している。

結果として生み出された研究論文 “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、ブラックホールの二重星系の形成や密集した星団のコア崩壊の起源など、優れた現象を明らかにするために、多体系の高速かつスケーラブル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、平面上の3つの等質量の粒子に限定し、すべての初期速度を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回はトレーニングに、100回は検証に使用)。”

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の新しいシナリオで実行され、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く、分野の専門家によるレビューを受ける必要があるが、まだ概念実証の段階にあるものの、トレーニング済みのニューラルネットワークが “Brutusや同様のシステムと共に機能し、三体計算が現在のモデルで処理できる以上に複雑になる場合に介入する” ことを示唆している。

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、ネットワークは、4体問題や5体問題などのより複雑なカオス的な問題でトレーニングされる可能性があり、計算負荷をさらに軽減する。”