เครือข่ายประสาทเทียมที่พัฒนาขึ้นใหม่พร้อมแก้ปัญหาฟิสิกส์ได้อย่างรวดเร็ว

ตั้งแต่เซอร์ไอแซค นิวตัน เป็นต้นมา ปัญหาสามวัตถุได้ทำให้นักคณิตศาสตร์และนักวิจัยฟิสิกส์ปวดหัว ตามที่ ScienceAlert อธิบายว่า “ปัญหาสามวัตถุเกี่ยวข้องกับการคำนวณการเคลื่อนที่ของสามวัตถุที่มีแรงดึงดูดซึ่งกันและกัน เช่น โลก ดวงจันทร์ และดวงอาทิตย์ เป็นต้น โดยพิจารณาจากตำแหน่งและความเร็วเริ่มต้น”

บนพื้นผิว ปัญหานี้ดูเหมือนเป็นปัญหาที่ง่าย แต่ในความเป็นจริงแล้ว เป็นปัญหาที่ยากมากที่จะแก้ไข หนึ่งในผลลัพธ์คือการนำเข้ามาใช้เครื่องมือคำนวณตำแหน่งที่ทะเล เช่น โครโนมิเตอร์ทะเล แทนที่จะแก้ปัญหาสามวัตถุเพื่อคำนวณตำแหน่งโดยใช้ดวงจันทร์และดวงดาว

ด้วยความก้าวหน้าอย่างรวดเร็วของการศึกษาจักรวาล ปัญหาสามวัตถุได้กลายเป็นส่วนสำคัญสำหรับนักวิจัยเมื่อพวกเขาพยายามที่จะเข้าใจว่า “วิธีการที่ระบบทวินามของหลุมดำและหลุมดำเดี่ยวอาจโต้ตอบกัน และจาก那里วิธีการที่วัตถุพื้นฐานบางอย่างของจักรวาลโต้ตอบกัน”

เพื่อให้การคำนวณเหล่านี้เป็นไปได้ภายในเวลาที่เหมาะสม นักวิทยาศาสตร์และนักวิจัยได้ใช้เครือข่ายประสาทเทียมลึก (ANN) ระบบใหม่นี้ถูกพัฒนาโดยทีมนักวิจัยจาก มหาวิทยาลัยเอดินบะระ และมหาวิทยาลัยเคมบริดจ์ ในสหราชอาณาจักร มหาวิทยาลัยอาเวยโรในโปรตุเกส และมหาวิทยาลัยไลเดนในเนเธอร์แลนด์

เครือข่ายประสาทเทียมที่ทีมนี้พัฒนาขึ้นได้รับการฝึกฝนจากฐานข้อมูลของปัญหาสามวัตถุที่มีอยู่แล้ว以及ตัวอย่างของวิธีแก้ปัญหาที่นักวิทยาศาสตร์เคยพบมาก่อน

ผลลัพธ์เป็นมากกว่าที่คาดหวัง เครือข่ายประสาทเทียมที่ได้รับการฝึกฝนนี้สัญญาว่าจะสามารถหาวิธีแก้ปัญหาได้ “100 ล้านครั้งเร็วกว่าวิธีการที่มีอยู่

ในบทความวิจัยที่ได้รับการตีพิมพ์ “Newton vs the machine: solving the chaotic three-body problem using deep neural networks” ระบุว่า “เครือข่ายประสาทเทียมที่ได้รับการฝึกฝนสามารถแทนที่ตัวแก้ปัญหาเชิงตัวเลขที่มีอยู่แล้ว ทำให้สามารถจำลองสถานการณ์ได้อย่างรวดเร็วและปรับขนาดได้ เพื่อแสดงให้เห็นถึงปรากฏการณ์ที่น่าสนใจ เช่น การก่อตัวของระบบทวินามหลุมดำหรือจุดกำเนิดของการล่มสลายของดวงดาวที่มีความหนาแน่นสูง”

ScienceAlert ระบุว่า “นักวิจัยได้ทำให้กระบวนการง่ายขึ้นโดยพิจารณาเฉพาะสามอนุภาคที่มีมวลเท่ากันในระนาบเดียวกัน โดยเริ่มต้นด้วยความเร็วเป็นศูนย์ และจากนั้นจึงใช้ตัวแก้ปัญหา three-body ที่มีอยู่แล้ว ชื่อ Brutus 10,000 ครั้ง (9,900 ครั้งสำหรับการฝึกฝนและ 100 ครั้งสำหรับการตรวจสอบ)

หลังจากการฝึกฝน เครือข่ายประสาทเทียมใหม่นี้ได้ผลลัพธ์ที่น่าประทับใจ มันถูกให้ทำงานกับสถานการณ์ใหม่ 5,000 สถานการณ์ และมันสามารถจับคู่ผลลัพธ์ที่ Brutus ได้ทำได้เกือบจะสมบูรณ์

แม้ว่าการวิจัยนี้ยังไม่ได้รับการทบทวนโดยผู้เชี่ยวชาญ แต่โดยนักวิทยาศาสตร์ที่มีความรู้และประสบการณ์ในสาขานี้ และยังคงเป็นเพียงการแสดงแนวคิดในขณะนี้ แต่ก็แสดงให้เห็นว่าเครือข่ายประสาทเทียมที่ได้รับการฝึกฝน “อาจสามารถทำงานร่วมกับ Brutus และระบบอื่นๆ ที่คล้ายกัน โดยเข้ามาแทนที่เมื่อการคำนวณสามวัตถุกลายเป็นเรื่องที่ซับซ้อนเกินไปสำหรับแบบจำลองปัจจุบันของเรา”

ตามที่ทีมนักวิจัยสรุปในบทความวิจัยของพวกเขา “ในที่สุด เราเห็นภาพว่าเครือข่ายนี้อาจได้รับการฝึกฝนในเรื่องปัญหาที่ซับซ้อนและวุ่นวาย เช่น ปัญหา 4 และ 5 วัตถุ ซึ่งจะช่วยลดภาระการคำนวณได้มากขึ้น”