Meeleparanduslikud arvutused, mis on vajalikud ennustamiseks, kuidas kolm taevakeha üksteist tiirlevad, on füüsikud segaduses olnud alates Sir Isaac Newtoni ajast. Nüüd on tehisintellekt (A.I.) näidanud, et see suudab probleemi lahendada murdosa jooksul varasemate lähenemistega nõutavast ajast.
Newton sõnastas probleemi esimesena 17. sajandil, kuid lihtsa viisi leidmine selle lahendamiseks on osutunud uskumatult keeruliseks. Kolme taevaobjekti, näiteks planeetide, tähtede ja kuude vahelise gravitatsioonilise interaktsiooni tulemuseks on kaootiline süsteem - selline, mis on keeruline ja ülitundlik iga keha lähteasendite suhtes.
Praegused lähenemisviisid nende probleemide lahendamiseks hõlmavad tarkvara kasutamist, mille arvutuste lõpuleviimine võib võtta nädalaid või isegi kuid. Nii otsustasid teadlased uurida, kas närvivõrk - mustritüüp, mis tunneb ära A.I. mis jäljendab aju tööd lõdvalt - saaks paremini hakkama.
Nende ehitatud algoritm pakkus täpseid lahendusi kuni 100 miljonit korda kiiremini kui kõige arenenum tarkvaraprogramm, mida tuntakse Brutuse nime all. See võib osutuda hindamatuks astronoomidele, kes üritavad aru saada näiteks täheparvede käitumisest ja universumi laiemast arengust, ütles Chris Foley, Cambridge'i ülikooli biostatistik ja arXivi andmebaasi käsitleva paberi kaasautor, mis seni veel olemas on. tuleb eelretsenseerida.
"Kui see närvivõrk teeb head tööd, peaks see suutma pakkuda meile enneolematu aja jooksul lahendusi," rääkis ta Live Science'ile. "Nii et võime hakata mõtlema edasiminekule palju sügavamate küsimustega, näiteks kuidas tekivad gravitatsioonilised lained."
Neuraalvõrgud tuleb enne prognooside koostamist välja õpetada. Nii pidid teadlased genereerima 9 900 lihtsustatud kolme keha stsenaariumi, kasutades Brutusit, praegust juhti kolme keha probleemide lahendamisel.
Seejärel testisid nad, kui hästi suudab närvivõrk ennustada 5000 nähtamatu stsenaariumi arengut, ja leidsid, et selle tulemused on Brutuse tulemustega lähedased. Kuid A.I-l põhinev programm lahendas probleemid keskmiselt vaid sekundi murdosa jooksul, võrreldes peaaegu 2 minutiga.
Põhjus, et sellised programmid nagu Brutus on nii aeglased, on see, et nad lahendavad probleemi jõhkra jõuga, ütles Foley, tehes arvutusi taevakehade trajektooride iga pisikese sammu kohta. Neuraalvõrk seevastu vaatab lihtsalt läbi nende arvutuste tekitatud liikumised ja järeldab mustri, mis aitab ennustada, kuidas tulevikustsenaariumid välja mängivad.
Foley ütles, et see on probleem süsteemi suurendamiseks. Praegune algoritm on kontseptsiooni tõestus ja seda on õpitud lihtsustatud stsenaariumide järgi, kuid keerukamatel koolitustel või osalevate asutuste arvu suurendamisel viiest neljast kõigepealt peate genereerima Brutuse andmed, mis võib olla äärmiselt ajakulukas. tarbiv ja kallis.
"Meie võime treenida fantastiliselt toimivat närvivõrku ja meie võime tegelikult saada andmeid, mille abil seda treenida, on omavahel seotud," sõnas ta. "Nii et seal on kitsaskoht."
Üks võimalus selle probleemi lahendamiseks oleks teadlastel luua ühine andmehoidla, mis on toodetud selliste programmide abil nagu Brutus. Kuid kõigepealt oleks vaja standardsete protokollide loomist, et tagada andmete ühtlane standard ja vorming, ütles Foley.
Foley ütles, et ka närvivõrguga tuleb veel läbi töötada mõned probleemid. See võib töötada ainult kindlaksmääratud aja, kuid pole võimalik ette teada, kui kaua konkreetse stsenaariumi täitmine võtab, nii et algoritm võib enne probleemi lahendamist auru otsa saada.
Foley ütles, et teadlased ei näe närvivõrgu isoleeritust. Nad arvavad, et parim lahendus oleks Brutuse-suguse programmiga suurem osa jalatükist teha närvivõrgu abil, võttes simulatsiooni osadest, mis hõlmavad keerukamaid arvutusi, mis tarkvara maha tõmbavad.
"Teie loote selle hübriidi," ütles Foley. "Iga kord, kui Brutus jänni jääb, rakendate närvivõrgu ja panite selle edasi. Ja siis hindate, kas Brutus on lahti lastud."
