«Проблема трех тел» решается искусственным интеллектом.

«Проблема трех тел» решается искусственным интеллектом

Умопомрачительные вычисления, необходимые для предсказания того, как три небесных тела вращаются вокруг друг друга, сбивали с толку физиков со времен сэра Исаака Ньютона. Теперь искусственный интеллект (ИИ) показал, что он может решить эту проблему за долю того времени, которое требовалось предыдущим подходам.

Ньютон был первым, кто сформулировал проблему в 17 веке, но найти простой способ ее решения оказался невероятно трудным. Гравитационные взаимодействия между тремя небесными объектами, такими как планеты, звезды и луны, приводят к хаотической системе, которая является сложной и очень чувствительной к начальным позициям каждого тела.

Современные подходы к решению этих проблем включают использование программного обеспечения, для выполнения которого могут потребоваться недели или даже месяцы. Поэтому исследователи решили проверить, может ли нейронная сеть - слабо имитирующая работу мозга - работать лучше.

Алгоритм, который они создали, предоставил точные решения в 100 миллионов раз быстрее, чем самая передовая программа, известная как Brutus. Это может оказаться неоценимым для астрономов, пытающихся понять такие вещи, как поведение звездных скоплений и более широкое развитие Вселенной, сказал Крис Фоули, биостатист из Кембриджского университета и соавтор статьи в базе данных arXiv, которая пока находится на стадии рецензирования.

«Эта нейронная сеть, если она хорошо работает, должна быть в состоянии предоставить нам решения в беспрецедентные сроки», - сказал он в своем интервью Live Science. «Таким образом, мы можем начать думать о достижении прогресса с более глубокими вопросами, такими как, как формируются гравитационные волны».

Нейронные сети должны быть обучены путем получения данных, прежде чем они смогут делать прогнозы самостоятельно. Таким образом, исследователи должны были сгенерировать 9 900 упрощенных сценариев из трех тел с использованием Brutus, нынешнего лидера по решению проблем трех тел.

Затем они проверили, насколько хорошо нейронная сеть может предсказать эволюцию 5000 сценариев, и обнаружили, что ее результаты близко совпадают с результатами Brutus. Тем не менее, программа на основе ИИ решала проблемы в среднем за долю секунды, по сравнению с почти 2 минутами Brutus.

По словам Фоли, программы, такие как Brutus, настолько медленные, что они решают проблему грубой силой, выполняя расчеты для каждого крошечного шага траекторий небесных тел. Нейронная сеть, с другой стороны, просто смотрит на движения, производимые этими вычислениями, и выводит схему, которая может помочь предсказать, как будут развиваться будущие сценарии.

Это создает проблему для расширения системы, сказал Фоли. Нынешний алгоритм является проверкой концепции и извлечен из упрощенных сценариев, но для обучения более сложным или даже увеличения числа задействованных тел до четырех или пяти вначале требуется, чтобы вы сгенерировали данные в Brutus, что может быть чрезвычайно затратным по времени и дорогим.

«Существует взаимосвязь между нашей способностью тренировать фантастически эффективную нейронную сеть и нашей способностью фактически получать данные для ее обучения», - сказал он. «Так что там есть узкое место».

Одним из способов решения этой проблемы было бы создание общих хранилищ данных, полученных с использованием таких программ, как Brutus. Но сначала это потребует создания стандартных протоколов, чтобы обеспечить соответствие всех данных стандарту и формату, сказал Фоли.

Он также заметил, что с нейронной сетью еще нужно разобраться. Она может работать только в течение установленного времени, но заранее невозможно узнать, сколько времени займет выполнение определенного сценария, поэтому алгоритм может «выдыхаться» до того, как проблема будет решена.

Исследователи не предполагают, что нейронная сеть будет работать изолированно, сказал Фоли. Они считают, что лучшим решением для такой программы, как Brutus, было бы выполнять часть работы с нейронной сетью, взяв на себя только те части симуляции, которые включают в себя более сложные вычисления, которые запутывают ПО.

«Вы создаете этот гибрид», - сказал Фоли. «Каждый раз, когда Brutus замедляется, вы начинаете использовать нейронную сеть и подталкиваете ее вперед».

Источник: www.astronews.ru

Комментарии: