Недавно Разработанная Искусственная Нейронная Сеть Должна Быстро Решить Физическую Задачу

Начиная с сэра Исаака Ньютона, так называемая задача трех тел озадачила математиков и исследователей физики. Как ScienceAlert объясняет, “задача трех тел включает в себя расчет движения трех гравитационно взаимодействующих тел – таких, как Земля, Луна и Солнце, например – учитывая их начальные положения и скорости.”

На поверхности эта задача кажется простой, но в реальности это очень трудная задача. Одним из результатов было введение, например, морских хронометров для расчета положений в море, а не решения задачи трех тел для расчета такого положения по Луне и звездам.

С быстрым развитием изучения Вселенной задача трех тел стала важной частью для исследователей, когда они пытаются понять, “как черные дыры бинарные системы могут взаимодействовать с одиночными черными дырами, и оттуда, как некоторые из наиболее фундаментальных объектов Вселенной взаимодействуют друг с другом.”

Чтобы сделать эти расчеты возможными в разумное время, ученые и исследователи прибегли к использованию ИНС, глубоких искусственных нейронных сетей. Новая система была разработана командой, состоящей из исследователей из Университета Эдинбурга и Университета Кембриджа в Великобритании, Университета Авейру в Португалии и Лейденского университета в Нидерландах.

ИНС, разработанная этой командой, была обучена на базе данных существующих задач трех тел, а также на выборке решений, которые ученые ранее вычислили.

Результаты были более чем перспективными. Обученная ИНС обещает быть способной находить решения “в 100 миллионов раз быстрее, чем существующие методы.”

Результативная исследовательская работа, “Ньютон против машины: решение хаотической задачи трех тел с помощью глубоких нейронных сетей” гласит, что, “Обученная ИНС может заменить существующие численные решатели, обеспечивая быстрые и масштабируемые симуляции многих телесных систем, чтобы пролить свет на выдающиеся явления, такие как образование бинарных систем черных дыр или происхождение коллапса ядра в плотных звездных скоплениях.”

ScienceAlert отмечает, что “исследователи упростили процесс, включив в него только три частицы с равной массой в плоскости, все начали с нулевой скорости, и затем запустили существующий решатель задачи трех тел Brutus 10 000 раз (9 900 для обучения и 100 для проверки).”

После обучения новая ИНС показала впечатляющие результаты. Ей были даны 5 000 новых сценариев для работы, и она почти полностью совпала с результатами, достигнутыми Brutus.

Хотя исследование еще не прошло рецензирование учеными с опытом и знаниями в этой области и все еще более концептуальное на этом этапе, оно, безусловно, показывает, что обученные нейронные сети “могут работать вместе с Brutus и подобными системами, прыгая в то время, когда расчеты трех тел становятся слишком сложными для наших текущих моделей, чтобы справиться с ними.”

Как заключает команда исследователей в своей работе, “В конечном итоге, мы представляем, что сеть может быть обучена на более богатых хаотических задачах, таких как задача четырех и пяти тел, еще больше уменьшая вычислительную нагрузку.”