看AI秒解三体问题_风闻

原创：牧夫天文

翻译：DAIKIN

校译：鄢淑澜

编排：关关

后台：库特莉亚芙卡 李子琦

原文链接：https://www.space.com/ai-solves-three-body-problem-fast.html

Image: © Shutterstock

预测“三体”相互绕行轨道需要天文量级的计算，这自牛顿时代以来就一直困扰着物理学家。但人工智能A.I.却可以轻松地解决这个问题。

牛顿在17世纪首次提出了“三体”问题，但事实证明很难找到简单的方法来解决这个问题。像行星、恒星和卫星等天体形成的三个天体之间的引力相互作用形成了一个混沌系统，这个复杂系统对其中每个天体的起始位置极其敏感。

目前解决“三体”问题的传统方法是利用软件花上数周甚至数月来进行计算。因此研究人员决定尝试看一种神经网络是否能做得更好，这种神经网络可利用粗略模拟大脑工作方式来识别人工智能。

研究人员建立的算法提供了精确的解决方案，比最先进的软件程序Brutus快1亿倍。剑桥大学的生物统计学家、arXiv数据库论文的合著者ChrisFoley表示，该算法对于天文学家试图了解星团和宇宙演化等宇宙难题来说是意义非凡的。

“如果神经网络管用，应该能在短期内为我们提供解决方案”，Foley告诉《生活科学》杂志，“因此我们可以开始进一步考虑更深层次的问题，比如引力波是如何形成的”。

神经网络在进行预测之前，必须通过输入数据进行训练。因此研究人员仍需要利用现阶段最先进的软件Brutus生成的9900个简化三体场景。

然后他们测试了神经网络对5000个未知场景的预测能力，发现其结果与Brutus的结果非常吻合。Brutus程序需要近2分钟来解决这些问题，但这个基于人工智能的程序只在1秒不到的时间内便完成了。

Foley表示：“Brutus这样的程序‘简单粗暴’，对天体轨迹的每一个微小步骤都进行了计算，所以如此缓慢”。但神经网络只是简单地观察这些计算产生的运动，并推断出一种模式以帮助预测未来将如何发展。

不过Foley表示这也对扩大系统规模造成了困难。当前的算法是一个概念性验证，并从简化的场景中学习。若想在更复杂的场景中训练，或将天体数量增加到四五个，仍需要先在Brutus中生成数据，这非常耗时，花费也极其昂贵。

Foley还说道：“想要训练出一个功能强大的神经网络，就得先生成足够的训练数据，二者之间是相互作用的，这也是瓶颈所在”。

“解决这个问题的一个方法是利用Brutus这样的程序生成的数据创建一个公共存储库。但这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。”

“神经网络还有一些问题需要解决：它只能在设定的时间内运行，不可能提前预知一个特定的场景需要多长时间才能完成，因此在问题解决之前，算法可能会崩溃。”

不过Foley表示，研究人员并没有打算让神经网络单枪匹马地工作。他们认为最好的解决方案是利用Brutus这样的程序完成大部分的工作，而神经网络则只负责模拟中软件无法完成的复杂计算部分。

“这是一个共同体。当Brutus卡住时，就利用神经网络协助‘撬动’”。

『天文时刻』 牧夫出品

微信公众号：astronomycn

M16和鹰状星云 

Image Credit & Copyright: Martin Pugh