新开发的人工神经网络可以快速解决物理问题

自艾萨克牛顿爵士以来，所谓的三体一直困扰着数学家和物理学家。正如《科学警报》所解释的，“三体涉及计算三个重力相互作用物体的运动，如地球、月球和太阳，给定它们的初始位置和速度。”

这个问题表面上看起来很简单，但实际上是一个极其困难的问题。结果之一是引入了海洋精密计时器来计算海上位置，而不是用月亮和星星来解决计算位置的三体问题。

随着宇宙研究的快速发展，当研究人员试图弄清楚黑洞二进制文件如何与单个黑洞相互作用以及一些基本物体如何从那里相互作用时，三体成为研究人员的重要组成部分。宇宙相互影响。"

为了使这些计算在合理的时间内可行，科学家和研究人员求助于人工神经网络。新系统是由来自爱丁堡大学、英国剑桥大学、葡萄牙阿威罗大学和荷兰莱顿大学的研究团队开发的。

该团队开发的人工神经网络已经在现有的三体数据库和科学家之前发现的解决方案选择数据库上进行了训练。

结果超出了预期。一个训练有素的人工神经网络有望找到比现有技术“快1亿倍”的解决方案。

最终的研究论文《牛顿与机器：利用深度神经网络解决混沌三体问题》指出：“训练有素的人工神经网络可以替代现有的数值求解器，从而使快速、可扩展的多体系统仿真成为现实。突出的现象，如黑洞双星系统的形成或密集星系团中核心坍缩的起源。”

ScienceAlert指出：“研究人员简化了这一过程，只包括飞机上的三个等质量粒子，所有粒子都以零速度开始，然后运行现有的名为Brutus的三体求解器10000次(9900次用于训练，100次用于验证)。”

经过训练，新的人工神经网络取得了显著的效果。它提供了5000个新方案，可以和布鲁特斯几乎完全实现的结果相比。

虽然这项研究没有经过同行评审，但在这一领域有知识和经验的科学家在现阶段仍在进行概念证明，这当然表明经过训练的神经网络“可能能够与他人合作”。当三体计算变得太复杂，我们目前的模型无法处理时，布鲁特斯和类似的系统将被添加进来。"

正如这组研究人员在论文中总结的那样：“最终，我们设想可以针对更多的混沌问题(如4体和5体问题)训练网络，从而进一步减轻计算负担。”

标签：