Нейросеть научили решать задачу трёх тел в 100 миллионов раз быстрее существующих методов

Задача трех тел, одно из самых известных в физике сложных вычислений. Новая нейронная сеть способна в 100 миллионов раз быстрее решить задачу, чем по существующим методам. Исследование доступно для чтения на arXiv.org.

Команда исследователей из Университета Эдинбурга и Кембриджского университета в Великобритании, Университета Авейру в Португалии и Лейденского университета в Нидерландах разработала искусственную нейронную сеть глубокого изучения (ANN). Команда обучила ANN работе с базой данных существующих проблем трех тел, а также c подборкой их решений.

«Обученная ИНС может заменить существующие числовые решатели, позволяя быстрое и масштабируемое моделирование систем многих тел, чтобы пролить свет на выдающиеся явления, такие как образование двойных систем с черными дырами или возникновение коллапса ядра в плотных звездных скоплениях», — пишут исследователи в своей работе .

Исследователи упростили процесс, включив в него только три частицы равной массы с начальной нулевой скоростью, а затем запустили существующий решатель задач из трех тел под названием Brutus более 10000 раз (9900 для обучения и 100 для проверки).

На основании этого обучения новый ANN получил 5 000 новых сценариев для работы, результаты которых были сопоставлены с собственными предсказаниями Brutus. Нейронная сеть очень точно соответствовала результатам Brutus.

«В конце концов, мы предполагаем, что сеть может быть обучена более сложным хаотическим проблемам, таким как проблема 4 и 5 тел, что еще больше снижает эффективность вычислительную нагрузку», — заключают исследователи в своей статье.

Впервые сформулированная Исааком Ньютоном задача трех тел включает вычисление движения трех гравитационно взаимодействующих тел — например, Земля, Луна и Солнце, — с учетом их начальных положений и скоростей.

Кажется просто, но хаотическое движение тел в течение сотен лет ставило математиков и физиков в полный тупик.

Сегодня задача трех тел является важной частью выяснения взаимодействия фундаментальных объектов Вселенной, например, черный дыр.

Различные типы нейронных сетей дают нам возможность создавать вычислительные, но интеллектуальные сочетания решений — как-будто бы это было придумано человеком.