Artificial Intelligence
物理学問題を迅速に解決するために新しく開発された人工ニューラルネットワークセット
アイザック・ニュートン卿以来、いわゆる三体問題は数学者や物理学の研究者を困惑させてきました。 として ScienceAlert 説明している、三体問題には、重力で相互作用する XNUMX つの物体 (たとえば、地球、月、太陽など) の初期位置と速度を与えて、その動きを計算することが含まれます。」
一見、この問題は簡単そうに見えますが、実際に取り組むのは非常に難しい問題です。 その結果の XNUMX つは、月や星によって位置を計算する三体問題を解決するのではなく、海上での位置を計算するためのマリン クロノメーターなどの導入でした。
宇宙の研究が急速に進歩するにつれて、三体問題は研究者が「の ブラックホール バイナリは単一のファイルと相互作用する可能性があります ブラックホールそしてそこから、宇宙の最も基本的な物体がどのように相互作用するのかを学びます。」
これらの計算を妥当な時間内で実行可能にするために、科学者や研究者は ANN (深層人工ニューラル ネットワーク) の使用に頼りました。新しいシステムは、世界の研究者で構成されるチームによって開発されました。 英国のエディ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。
このチームが開発した ANN は、既存の三体問題のデータベースと、科学者が以前に発見した解決策の選択に基づいてトレーニングされました。
結果は期待以上のものでした。 訓練を受けたANNは解決策を見つけることができると約束します。」既存の技術よりも 100 億倍高速です。」
結果として得られた研究論文は、 「ニュートン vs 機械: ディープ ニューラル ネットワークを使用したカオス三体問題の解決」 と述べています、 「訓練されたANNは既存の数値ソルバーを置き換えることができ、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し、ブラックホール連星系の形成や高密度星団における核崩壊の起源などの顕著な現象を明らかにすることができます。」
ScienceAlert は次のように述べています。 研究者らは、平面内に XNUMX つの等しい質量の粒子のみを含めるようにプロセスを簡素化し、すべて速度ゼロから開始し、既存の三体問題ソルバーを実行しました。 ブルータスと呼ばれる 10,000 回以上 (トレーニングで 9,900 回、検証で 100 回)。」
トレーニングの後、新しい ANN は印象的な結果をもたらしました。 5,000 の新しいシナリオを扱うことができ、Brutus が達成した結果とほぼ完全に一致しました。
この研究はまだ査読されておらず、この分野の知識と経験を持つ科学者による査読が行われています。 現段階では概念実証に近いものですが、訓練されたニューラル ネットワークが「Brutus や同様のシステムと並行して動作し、三体の計算が現在のモデルでは対処できないほど複雑になった場合に飛び込むことができる可能性がある」ことを確かに示しています。
この研究者チームは論文で次のように結論付けています。 「最終的には、そのネットワークが 4 体問題や 5 体問題などのより豊富なカオス問題でトレーニングされ、計算負荷がさらに軽減される可能性があると私たちは考えています。」