自艾萨克•牛顿爵士(Sir Isaac Newton)时代以来，物理学家们就一直对预测三个天体如何相互绕转而进行的令人费解的计算感到困惑。现在人工智能(ai)已经表明，它可以在以前方法所需的一小部分时间内解决这个问题。

 

牛顿是第一个在17世纪提出这个问题的人，但是找到一个简单的方法来解决它被证明是非常困难的。行星、恒星和卫星等三个天体之间的引力相互作用导致了一个混沌系统——一个对每个天体的起始位置非常复杂和敏感的系统。

 

目前解决这些问题的方法涉及使用软件，可能需要数周甚至数月才能完成计算。因此，研究人员决定看看神经网络——一种能大致模仿大脑工作方式的识别人工智能的模式——是否能做得更好。

 

他们构建的算法提供的精确解比最先进的软件程序(称为Brutus)快1亿倍。可以证明无价的天文学家们试图了解星团的行为和整个宇宙的演化,克里斯·弗利说,剑桥大学的生物统计学家和一篇论文的作者之一arXiv数据库,尚未被同行评议。

 

“这个神经网络，如果做得好，应该能够在前所未有的时间范围内为我们提供解决方案，198总代理团队的联系方式是什么，198总代1号团队唯一198平台开户指定qq33287162，”他告诉Live Science。“所以我们可以开始思考更深入的问题，好的总代理团队会陪玩家一起收米，198彩最大总代是谁凭藉多年的彩票经验以及投注知识，198彩平台主管就在这等著你。，比如引力波是如何形成的。”

 

神经网络必须通过输入数据进行训练，然后才能进行预测。因此，研究人员必须使用布鲁图生成9900个简化的三体场景，布鲁图是当前解决三体问题的领导者。

 

然后，他们测试了神经网络预测5000种不可见场景的进化的能力，发现其结果与布鲁图斯的结果非常接近。然而,人工智能与将近2分钟的时间相比，基于网络的程序平均只需几分之一秒就能解决问题。

 

“像‘布鲁图斯’这样的程序速度如此之慢的原因在于，它们是通过蛮力来解决问题的，”福利说，并对天体运行轨迹的每一小步进行计算。另一方面，神经网络只是简单地观察这些计算产生的运动，并推断出一种模式，这种模式可以帮助预测未来的情景如何发展。

 

不过，佛利说，这给扩大这个系统带来了一个问题。目前的算法是一种概念验证，从简化的场景中学习，但在更复杂的场景中进行训练，甚至将涉及的身体数量增加到五分之四，首先需要生成关于Brutus的数据，这可能非常耗时和昂贵。

 

他说:“我们训练一个表现出色的神经网络的能力和我们获得训练数据的能力是相互作用的。”“所以这里存在瓶颈。”

 

解决这个问题的一种方法是让研究人员创建一个使用像Brutus这样的程序生成的公共数据仓库。但首先，这需要建立标准协议，以确保数据是一致的标准和格式，Foley说。

 

Foley说，神经网络还有一些问题需要解决。它只能运行一段设定的时间，但不可能预先知道某个特定场景需要多长时间才能完成， ，因此算法可能在问题解决之前就会耗尽能量。

 

Foley说，研究人员并没有设想神经网络是独立工作的。他们认为最好的解决方案是让像布鲁图斯这样的程序用神经网络来做大部分的跑腿工作，只处理模拟中涉及到更复杂的计算的部分，这些计算会使软件陷入困境。

 

“你创造了这种混合，”Foley说。“每次布鲁图斯陷入困境，你就利用神经网络向前跳。然后你评估布鲁图斯是否脱离了困境。”