Новий штучний нейронний мережевий набір для швидкого розв’язання фізичної проблеми

Від сера Ісаака Ньютона проблема трьох тіл збентежила математиків і фізичних дослідників. Як пояснює ScienceAlert , “проблема трьох тіл полягає в розрахунку руху трьох гравітаційно взаємодіючих тіл – наприклад, Землі, Місяця та Сонця – з урахуванням їхніх початкових положень і швидкостей.”

На поверхні ця проблема здається простою, але насправді це дуже складна проблема. Одним з результатів стало введення, наприклад, морських хронометрів для розрахунку положень у морі, а не розв’язання проблеми трьох тіл для розрахунку такого положення Місяцем і зірками.

З швидким прогресом у вивченні Всесвіту проблема трьох тіл стала важливою частиною для дослідників, коли вони намагаються зрозуміти, “як подвійні чорні діри можуть взаємодіяти з окремими чорними дірами, і звідки деякі з найфундаментальніших об’єктів Всесвіту взаємодіють один з одним.”

Для того, щоб зробити ці розрахунки здійсненними за розумний час, вчені та дослідники вдавалися до використання штучних нейронних мереж. Нова система була розроблена командою дослідників з Університету Единбурга та Університету Кембриджа у Великій Британії, Університету Авейру в Португалії та Лейденського університету в Нідерландах.

Штучна нейронна мережа, розроблена цією командою, була навчена на базі даних існуючих проблем трьох тіл, а також на вибірці рішень, які вчені раніше знайшли.

Результати були більш ніж перспективними. Навчена штучна нейронна мережа обіцяє бути здатною знаходити рішення “в 100 мільйонів разів швидше, ніж існуючі методи.”

Результати дослідження, опубліковані в статті “Ньютон проти машини: розв’язання хаотичної проблеми трьох тіл за допомогою глибоких нейронних мереж”, свідчать, що “навчена штучна нейронна мережа може замінити існуючі числові розв’язувачі, забезпечуючи швидкі та масштабовані симуляції систем багатьох тіл для вивчення видатних явищ, таких як формування подвійних систем чорних дір або походження колапсу в щільних зоряних скупченнях.”

ScienceAlert зазначає, що “дослідники спрощували процес, включно лише три частинки однакової маси в площині, всі починалися з нульової швидкості, а потім запускали існуючий розв’язувач проблеми трьох тіл Brutus 10 000 раз (9 900 для навчання та 100 для перевірки).”

Після навчання нова штучна нейронна мережа показала вражаючі результати. Їй було дано 5 000 нових сценаріїв для роботи, і вона майже повністю збіглася з результатами, досягнутими Brutus.

Хоча дослідження ще не пройшло рецензування вченими з відповідним досвідом та знаннями в галузі і зараз є більше концепцією, ніж завершеним дослідженням, воно явно показує, що навчені нейронні мережі “можуть працювати поряд з Brutus та подібними системами, втручаючись, коли розрахунки трьох тіл стають надто складними для наших поточних моделей.”

Як висновок команди дослідників у їхньому дослідженні, “В кінцевому підсумку ми бачимо, що така мережа може бути навчена на багатших хаотичних проблемах, таких як проблема чотирьох і п’яти тіл, ще більше зменшуючи обчислювальне навантаження.”