这三体问题,物理学中最臭名昭著的计算之一,可能已经达到了它的匹配项人工智能:一个新的神经网络有望找到比现有技术快1亿倍的解决方案。
三体问题首先由艾萨克·牛顿爵士(Isaac Newton)提出,涉及计算三个重力相互作用的身体(例如地球)的运动月亮例如,鉴于它们的初始位置和速度。
一开始听起来很简单,但是随后的混乱运动使数学家和物理学家陷入了数百年的困扰,以至于除最敬业的人类外,所有人都试图避免尽可能多地思考它。
这就是原因计时者计时员在计算海上的位置而不是使用月球和星星方面变得更加流行 - 它只是抓手的少量。
今天,三体问题是弄清楚如何黑洞二进制可能与单个相互作用黑洞,从那里,宇宙中一些最基本的对象如何相互互动。
输入由爱丁堡大学和英国剑桥大学,葡萄牙的Aveiro大学和荷兰的莱顿大学产生的神经网络。
该团队开发了一个深人造神经网络(ANN),该网络在现有三体问题的数据库中进行了培训,以及已经艰苦的解决方案的选择。该ANN被证明比我们今天更快地获得准确的答案具有很大的希望。
“训练有素的ANN可以替换现有的数值求解器,从而使多体系统的快速和可扩展模拟能够揭示出杰出现象,例如黑洞二进制系统的形成或密集的星形群中核心崩溃的起源,”他们的纸。
研究人员简化了该过程,仅包括平面中的三个相等质量粒子,所有这些粒子从零速度开始,然后运行现有的三体问题求解器称为布鲁图斯超过10,000次(培训9,900,验证100)。
基于该培训,随后为新的ANN提供了5,000个新场景,并与Brutus自己的预测相比,结果与结果相比。神经网络与布鲁图斯提出的结果相匹配。
基于人脑中发生的处理和决策权重的各种类型的神经网络以前已用于产生死亡金属,,,,产生假面并解决一些物理学最大的问题。
他们为我们提供了一种制作计算且智能快捷方式的方法 - 在仍然获得正确的最终结果的同时,获得更快的答案路线。
在这项新研究中,有一些局限性要讨论:其他科学家尚未对此进行同行评审,并且对三体情况进行了一些简化和假设,这意味着在此阶段,这更像是概念概念的证明。
它确实表明的是,训练有素的神经网络可能能够与Brutus和类似系统一起工作,而当三体计算变得太复杂以至于我们当前的模型无法应对时,就会跳入。
研究人员总结说:“最终,我们想象的是,网络可以接受更丰富的混乱问题,例如4体和5体问题,从而减轻了计算负担。”他们的纸。
该研究尚未在同行评审期刊上发表,但可以在预印服务器上阅读arxiv.org。