自牛顿提出以来“三体问题”使天文学家感到困惑。AI一秒钟就破解了它。

子轸 2019年11月9日09:17:38 评论

自牛顿提出以来“三体问题”使天文学家感到困惑。AI一秒钟就破解了它。
自从以萨克·牛顿爵士时代以来,就需要进行令人难以置信的计算,以预测三个天体彼此之间如何使物理学家感到困惑。现在,人工智能(AI)已显示出它可以在以前方法所需的一小部分时间内解决问题。

牛顿是第一个提出这个问题的人,但是在17世纪发现了一个简单的解决方案却非常困难。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-一个复杂且对每个身体的起始位置高度敏感的系统。

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。因此研究人员决定看看神经网络是否可以做得更好。神经网络是一种识别AI的模式,可以大致模拟大脑的工作方式。

他们构建的算法提供了比最先进的软件程序Brutus快1亿倍的精确解决方案。这可能是宝贵的天文学家们试图了解事情像星团的行为和宇宙的更广泛的发展,克里斯·弗利,在剑桥大学的生物统计学家和论文的合着者,以上述的arXiv数据库,至今尚未进行同行评审。

他对Live Science说:“如果做得好,这个神经网络应该能够在前所未有的时间内为我们提供解决方案。” “因此,我们可以开始思考更深层的问题,例如引力波是如何形成的。”

在进行预测之前,必须通过馈入数据来训练神经网络。因此研究人员必须使用Brutus(目前解决三体问题的领导者)生成9,900个简化的三体方案。

然后,他们测试了神经网络如何很好地预测5,000种未见情景的演变,并发现其结果与Brutus的结果非常接近。但是,基于AI的程序平均只需不到一秒钟的时间即可解决问题,而将近2分钟。

弗雷说,像布鲁图斯之类的程序之所以这么慢,是因为它们用蛮力解决了这个问题,他对天体轨迹的每一小步进行了计算。另一方面,神经网络仅查看这些计算产生的运动,并推断出一种模式,可以帮助预测未来的情景将如何发展。

Foley说,这给系统的扩展带来了问题。当前的算法是一种概念验证,可以从简化的场景中学习,但是在更复杂的场景上进行训练,甚至将涉及的物体数量增加到五个,其中四个首先需要您在Brutus上生成数据,这可能非常耗时。消耗和昂贵。

他说:“我们训练性能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。”

解决该问题的一种方法是让研究人员创建一个通用的数据库,以存储使用Brutus之类的程序生成的数据。但是首先,这需要创建标准协议来确保数据都是一致的标准和格式,Foley说。

Foley说,神经网络还需要解决一些问题。它只能运行一段设定的时间,但是无法提前知道特定场景要花费多长时间,因此该算法可能在解决问题之前就花光了。

但是,研究人员并不认为神经网络是孤立运行的。他们认为最好的解决方案是像Brutus这样的程序通过神经网络完成大部分工作,只承担模拟的部分,而这些部分涉及更复杂的计算,使软件陷入困境。

“您可以创建这种混合动力车,” Foley说。“每次Brutus卡住时,您都使用神经网络并将其向前拖动。然后评估Brutus是否已松开。”

子轸

发表评论

您必须才能发表评论!