新开发的人工神经网络可以快速解决物理问题

从艾萨克·牛顿开始，所谓的三体问题一直困扰着数学家和物理研究人员。正如 ScienceAlert 所解释的，“三体问题涉及计算三个引力相互作用的物体的运动，例如地球、月球和太阳，给定它们的初始位置和速度。”

从表面上看，这个问题似乎很简单，但实际上它是一个非常难以解决的问题。其中一个结果是引入了海军计时器来计算海上的位置，而不是通过月亮和星星来解决三体问题来计算这样的位置。

随着对宇宙的研究迅速发展，三体问题成为研究人员试图弄清楚“黑洞双星如何与单个 黑洞 相互作用，以及从那里如何一些宇宙中最基本的物体相互作用。”

为了使这些计算在合理的时间内可行，科学家和研究人员转向使用人工神经网络（ANN）。该系统由来自 英国爱丁堡大学、英国剑桥大学、葡萄牙阿维罗大学和荷兰莱顿大学的研究人员团队开发。

该团队开发的ANN是在现有的三体问题数据库以及科学家以前解决的解决方案选择中训练的。

结果非常有希望。训练好的ANN有望找到“比现有技术快100万倍的解决方案。”

该研究论文 “牛顿与机器：使用深度神经网络解决混沌三体问题” 指出，“训练好的ANN可以替代现有的数值求解器，实现快速和可扩展的模拟多体系统，以阐明黑洞双星系统的形成或密集星团核心坍缩的起源等突出现象。”

ScienceAlert 指出，研究人员简化了该过程，只包括三个等质量的粒子在一个平面上，所有粒子都从零速度开始，然后运行现有的三体问题求解器 Brutus 10,000 次（9,900 次用于训练，100 次用于验证）。

训练后，新的ANN取得了令人印象深刻的结果。它被给予 5,000 个新的场景来处理，它几乎完全匹配了 Brutus 实现的结果。

虽然该研究尚未经过同行评审，仍然更多的是一个概念证明，但它表明训练好的神经网络“可能能够与 Brutus 和类似系统一起工作，当三体计算对于我们的当前模型来说过于复杂时，它们就会介入。”

正如研究人员在他们的论文中所结论，“最终，我们设想，这个网络可能会被训练在更丰富的混沌问题上，例如 4 体和 5 体问题，进一步减少计算负担。”