看AI秒解三體問題_風聞

原創：牧夫天文

翻譯：DAIKIN

校譯：鄢淑瀾

編排：關關

後台：庫特莉亞芙卡 李子琦

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

Image: © Shutterstock

預測“三體”相互繞行軌道需要天文量級的計算，這自牛頓時代以來就一直困擾着物理學家。但人工智能A.I.卻可以輕鬆地解決這個問題。

牛頓在17世紀首次提出了“三體”問題，但事實證明很難找到簡單的方法來解決這個問題。像行星、恆星和衞星等天體形成的三個天體之間的引力相互作用形成了一個混沌系統，這個複雜系統對其中每個天體的起始位置極其敏感。

目前解決“三體”問題的傳統方法是利用軟件花上數週甚至數月來進行計算。因此研究人員決定嘗試看一種神經網絡是否能做得更好，這種神經網絡可利用粗略模擬大腦工作方式來識別人工智能。

研究人員建立的算法提供了精確的解決方案，比最先進的軟件程序Brutus快1億倍。劍橋大學的生物統計學家、arXiv數據庫論文的合著者ChrisFoley表示，該算法對於天文學家試圖瞭解星團和宇宙演化等宇宙難題來説是意義非凡的。

“如果神經網絡管用，應該能在短期內為我們提供解決方案”，Foley告訴《生活科學》雜誌，“因此我們可以開始進一步考慮更深層次的問題，比如引力波是如何形成的”。

神經網絡在進行預測之前，必須通過輸入數據進行訓練。因此研究人員仍需要利用現階段最先進的軟件Brutus生成的9900個簡化三體場景。

然後他們測試了神經網絡對5000個未知場景的預測能力，發現其結果與Brutus的結果非常吻合。Brutus程序需要近2分鐘來解決這些問題，但這個基於人工智能的程序只在1秒不到的時間內便完成了。

Foley表示：“Brutus這樣的程序‘簡單粗暴’，對天體軌跡的每一個微小步驟都進行了計算，所以如此緩慢”。但神經網絡只是簡單地觀察這些計算產生的運動，並推斷出一種模式以幫助預測未來將如何發展。

不過Foley表示這也對擴大系統規模造成了困難。當前的算法是一個概念性驗證，並從簡化的場景中學習。若想在更復雜的場景中訓練，或將天體數量增加到四五個，仍需要先在Brutus中生成數據，這非常耗時，花費也極其昂貴。

Foley還説道：“想要訓練出一個功能強大的神經網絡，就得先生成足夠的訓練數據，二者之間是相互作用的，這也是瓶頸所在”。

“解決這個問題的一個方法是利用Brutus這樣的程序生成的數據創建一個公共存儲庫。但這首先需要創建標準協議，以確保數據都是一致的標準和格式。”

“神經網絡還有一些問題需要解決：它只能在設定的時間內運行，不可能提前預知一個特定的場景需要多長時間才能完成，因此在問題解決之前，算法可能會崩潰。”

不過Foley表示，研究人員並沒有打算讓神經網絡單槍匹馬地工作。他們認為最好的解決方案是利用Brutus這樣的程序完成大部分的工作，而神經網絡則只負責模擬中軟件無法完成的複雜計算部分。

“這是一個共同體。當Brutus卡住時，就利用神經網絡協助‘撬動’”。

『天文時刻』 牧夫出品

微信公眾號：astronomycn

M16和鷹狀星雲 

Image Credit & Copyright: Martin Pugh