自从爵士时代以来，预测三个天体彼此之间的弯曲计算是如何跨越的物理学家艾萨克·牛顿。现在人工智能（AI）表明，它可以在以前方法所需的时间的一小部分中解决问题。
牛顿是第一个在17世纪提出问题的人，但是找到一种简单的方法来解决它非常困难。三个天体物体（例如行星，恒星和卫星）之间的重力相互作用导致混乱的系统 - 一个系统复杂且对每个身体的起始位置高度敏感。
解决这些问题的当前方法涉及使用可能需要数周甚至数月才能完成计算的软件。因此，研究人员决定查看神经网络（一种模仿大脑如何工作的AI的一种模式）是否可以做得更好。
有关的：11个最美丽的数学方程式
他们构建的算法提供了比最先进的软件程序（称为Brutus）快的准确解决方案。剑桥大学的生物统计学家克里斯·弗利（Chris Foley）说，这对试图理解诸如明星簇的行为和更广泛演变之类的事物的天文学家克里斯·弗利（Chris Foley）说，这可能是无价的。arxiv数据库，尚未进行同行评审。
他告诉Live Science：“如果做得很好，这个神经网应该能够在空前的时间范围内为我们提供解决方案。” “因此，我们可以开始考虑通过更深入的问题取得进步，例如引力波形式。”
神经网络必须在做出预测之前通过喂养数据来培训。因此，研究人员不得不使用布鲁图斯（Brutus）生成9,900个简化的三体情况，布鲁图斯（Brutus）是解决三体问题的现任领导者。
然后，他们测试了神经网能够预测5,000个看不见的情况的演变，并发现其结果与布鲁图斯的结果非常匹配。但是，基于AI的程序平均仅一秒钟就解决了问题，而将近2分钟。
Foley说，像Brutus这样的程序之所以如此缓慢，以至于它们通过蛮力解决了问题，他对天体轨迹的每个小步骤进行计算。另一方面，神经网只是研究了这些计算产生的动作并推断出一种模式，可以帮助预测未来的情况。
Foley说，这给了扩展系统的问题。当前的算法是概念验证，并从简化的场景中学到了学历，但是对更复杂的训练，甚至将所涉及的尸体数量增加到五个首先需要您生成Brutus的数据，这可能非常耗时且昂贵。
他说：“我们培训表现出色的神经网络的能力与我们实际得出训练数据的能力之间存在相互作用。” “所以那里有一个瓶颈。”
解决这个问题的一种方法是，研究人员创建了使用Brutus等程序生产的数据存储库。但是，首先需要创建标准协议，以确保数据都是一致的标准和格式。
弗利说，仍然有一些问题可以解决神经网。它只能在设定的时间内运行，但是不可能提前知道特定方案要完成的时间需要多长时间，因此在解决问题之前，算法可能会用完蒸汽。
弗利说，研究人员并没有孤立地设想神经网。他们认为，最好的解决方案是对于像布鲁图斯这样的程序，可以使用神经网进行大部分腿部工作，仅处理模拟部分，这些部分涉及更复杂的计算，这些计算使软件陷入困境。
弗利说：“你创建了这种混合动力。” “每当布鲁图斯卡住时，您都会采用神经网络并将其向前夹住。
最初出版现场科学。
