Mạng lưới thần kinh nhân tạo mới được phát triển để giải quyết nhanh chóng một vấn đề vật lý

Từ Sir Isaac Newton, vấn đề ba thể đã làm cho các nhà toán học và nhà nghiên cứu vật lý bối rối. Như ScienceAlert giải thích, “vấn đề ba thể liên quan đến việc tính toán chuyển động của ba vật thể tương tác hấp dẫn – chẳng hạn như Trái đất, Mặt trăng và Mặt trời, ví dụ – cho trước vị trí và vận tốc ban đầu của chúng.”

Trên bề mặt, vấn đề này dường như là một vấn đề đơn giản, nhưng trên thực tế, nó là một vấn đề cực kỳ khó khăn để giải quyết. Một trong những kết quả là việc giới thiệu các máy tính thời gian để tính toán vị trí trên biển, thay vì giải quyết vấn đề ba thể để tính toán vị trí bằng Mặt trăng và các ngôi sao.

Với sự tiến bộ nhanh chóng của việc nghiên cứu vũ trụ, vấn đề ba thể trở thành một phần quan trọng cho các nhà nghiên cứu khi họ cố gắng tìm hiểu “làm thế nào các lỗ đen nhị phân có thể tương tác với các lỗ đen đơn lẻ, và từ đó làm thế nào một số vật thể cơ bản nhất của vũ trụ tương tác với nhau.”

Để làm cho các tính toán này khả thi trong một khoảng thời gian hợp lý, các nhà khoa học và nhà nghiên cứu đã sử dụng mạng lưới thần kinh nhân tạo (ANN). Hệ thống mới này được phát triển bởi một nhóm gồm các nhà nghiên cứu từ Đại học Edinburgh và Đại học Cambridge ở Anh, Đại học Aveiro ở Bồ Đào Nha và Đại học Leiden ở Hà Lan.

ANN mà nhóm này phát triển đã được đào tạo trên một cơ sở dữ liệu các vấn đề ba thể hiện có cũng như một số giải pháp mà các nhà khoa học đã tìm ra trước đó.

Kết quả là rất đáng khích lệ. ANN đã được đào tạo hứa hẹn có thể tìm ra giải pháp “100 triệu lần nhanh hơn so với các kỹ thuật hiện có.”

Bài nghiên cứu kết quả, “Newton vs máy: giải quyết vấn đề ba thể hỗn loạn bằng mạng lưới thần kinh sâu” cho biết, “Một ANN đã được đào tạo có thể thay thế các giải pháp số hiện có, cho phép mô phỏng nhanh và có thể mở rộng nhiều hệ thống vật lý để làm sáng tỏ các hiện tượng nổi bật như sự hình thành của hệ thống nhị phân lỗ đen hoặc nguồn gốc của sự sụp đổ lõi trong các cụm sao dày đặc.”

ScienceAlert lưu ý rằng “các nhà nghiên cứu đã đơn giản hóa quá trình chỉ bao gồm ba hạt có khối lượng bằng nhau trong một mặt phẳng, tất cả bắt đầu với vận tốc không, và sau đó chạy một giải pháp ba thể hiện có gọi là Brutus 10.000 lần (9.900 lần để đào tạo và 100 lần để xác thực).”

Sau khi đào tạo, ANN mới này đã cho ra kết quả ấn tượng. Nó đã được đưa ra 5.000 kịch bản mới để làm việc và nó đã khớp với kết quả của Brutus gần như hoàn toàn.

Mặc dù nghiên cứu này vẫn chưa được đánh giá bởi các nhà khoa học có chuyên môn và kinh nghiệm trong lĩnh vực này và vẫn còn là một概念 chứng minh tại giai đoạn này, nó chắc chắn cho thấy rằng các mạng lưới thần kinh đã được đào tạo “có thể làm việc cùng với Brutus và các hệ thống tương tự, nhảy vào khi các tính toán ba thể trở nên quá phức tạp cho các mô hình hiện tại của chúng ta để đối phó với.”

Như nhóm nghiên cứu này kết luận trong bài báo của họ, “Cuối cùng, chúng tôi hình dung, mạng lưới đó có thể được đào tạo trên các vấn đề hỗn loạn phong phú hơn, chẳng hạn như vấn đề bốn và năm thể, giảm gánh nặng tính toán thậm chí nhiều hơn.”