这三体问题，物理学中最复杂的计算之一，可能在：一种新的神经网络有望比现有技术快一亿倍地找到解决方案。
三体问题首先由艾萨克·牛顿爵士提出，涉及计算三个引力相互作用物体的运动——例如地球、，和太阳，例如——给定它们的初始位置和速度。
乍一听来可能很简单，但随之而来的混乱运动已经困扰了数学家和物理学家数百年，以至于除了最专注的人类之外，所有人都试图尽可能避免思考它。
这就是为什么天文台计时员计算海上位置比使用月亮和星星更受欢迎——它只是不那么令人头疼。
今天，三体问题是解决如何解决这一问题的重要组成部分。二进制文件可能与单个文件交互，以及宇宙中一些最基本的物体如何相互作用。
输入由英国爱丁堡大学和剑桥大学、葡萄牙阿威罗大学和荷兰莱顿大学的研究人员制作的神经网络。
该团队开发了一个深度人工神经网络（ANN），在现有三体问题的数据库上进行训练，并选择了一些已经精心制定的解决方案。 事实证明，人工神经网络有望比我们今天更快地获得准确答案。
“训练有素的人工神经网络可以取代现有的数值求解器，从而能够快速且可扩展地模拟多体系统，从而揭示诸如黑洞双星系统的形成或致密星团中核心塌缩的起源等突出现象，”写道研究人员在他们的论文。
研究人员简化了过程，仅在平面中包含三个等质量粒子，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叫布鲁图斯超过 10,000 次（9,900 次用于训练，100 次用于验证）。
基于该训练，新的人工神经网络被赋予了 5,000 个新的场景来处理，然后将结果与布鲁特斯自己的预测进行比较。 神经网络与布鲁图斯得出的结果的匹配程度令人印象深刻。
各种类型的神经网络——基于人脑中进行的处理和决策权衡——之前已被用来产生死亡金属,生成假脸，并解决一些物理学中最大的问题。
它们为我们提供了一种创建计算但智能的捷径的方法——获得更快的答案，同时仍然获得正确的最终结果。
在这项新研究中，有一些局限性需要讨论：这项工作尚未得到其他科学家的同行评审，并且它对三体场景做了一些简化和假设，这意味着它更多的是一个概念验证这个阶段。
它确实表明，训练有素的神经网络可能能够与布鲁图斯和类似的系统一起工作，当三体计算变得过于复杂而我们当前的模型无法应对时，它们就会介入。
“最终，我们设想，该网络可能会针对更丰富的混沌问题进行训练，例如 4 体和 5 体问题，从而进一步减少计算负担，”研究人员总结道。他们的论文。
该研究尚未在同行评审期刊上发表，但可以在预印本服务器上阅读arXiv.org。
