アイザックニュートン卿の時代以来、3つの天体が互いに軌道を周回する方法を予測するために必要な心を曲げる計算は、物理学者を困惑させてきました。現在、人工知能（A.I.）は、以前のアプローチで必要だった時間の何分の1かで問題を解決できることを示しています。
ニュートンは17世紀に最初に問題を定式化しましたが、それを解決する簡単な方法を見つけることは信じられないほど難しいことが判明しました。惑星、星、月などの3つの天体間の重力相互作用は、カオスシステムをもたらします。このシステムは、複雑で、各体の開始位置に非常に敏感です。
これらの問題を解決するための現在のアプローチには、計算を完了するのに数週間から数か月かかるソフトウェアを使用することが含まれます。そこで研究者たちは、ニューラルネットワークがA.I.を認識するパターンの一種であるかどうかを確認することにしました。それは大まかに脳がどのように機能するかを模倣しています-より良くすることができます。
彼らが構築したアルゴリズムは、Brutusとして知られている最先端のソフトウェアプログラムよりも1億倍も速い正確なソリューションを提供しました。ケンブリッジ大学の生物統計学者であり、arXivデータベースの論文の共著者でもあるクリスフォーリー氏は、このことは、星団の振る舞いや宇宙のより広い進化などを理解しようとする天文学者にとって非常に貴重であると証明できるかもしれません。ピアレビューを受ける。
「このニューラルネットがうまく機能すれば、前例のない時間枠でソリューションを提供できるはずです」と彼はLive Scienceに語った。 「それで、重力波がどのように形成されるかなど、より深い質問で進歩を考えることを始めることができます。」
ニューラルネットワークは、予測を行う前にデータを供給してトレーニングする必要があります。したがって、研究者は、3体問題の解決に関して現在のリーダーであるBrutusを使用して、9,900の簡略化された3体シナリオを生成する必要がありました。
次に、ニューラルネットが5,000の目に見えないシナリオの進化をどれほど予測できるかをテストし、その結果がブルータスの結果とほぼ一致することを発見しました。ただし、A.I。ベースのプログラムでは、平均してほんの数分の1秒で問題が解決されました。
ブルータスのようなプログラムが非常に遅い理由は、それらが力ずくで問題を解決するためです、とフォーリーは言った、天体の軌道の各小さなステップの計算を実行しました。一方、ニューラルネットは、これらの計算が生成する動きを単に見て、将来のシナリオがどのように展開するかを予測するのに役立つパターンを推定します。
フォーリー氏によると、これはシステムのスケールアップに問題をもたらすという。現在のアルゴリズムは概念実証であり、簡略化されたシナリオから学習しますが、より複雑なものでトレーニングするか、関係するボディの数を5つのうち4つに増やすことで、最初にBrutusでデータを生成する必要があります。消費し、高価。
「素晴らしいパフォーマンスのニューラルネットワークをトレーニングする能力と、実際にそれをトレーニングするためのデータを引き出す能力との間には相互作用があります」と彼は言った。 「そこでボトルネックがあります。」
その問題を回避する1つの方法は、研究者がBrutusのようなプログラムを使用して作成されたデータの共通リポジトリを作成することです。フォーリー氏によると、まず、データがすべて一貫した規格とフォーマットであることを保証するために、標準プロトコルを作成する必要があるという。
フォーリー氏によると、ニューラルネットでも対処する必要がある問題がいくつかあります。一定の時間だけ実行できますが、特定のシナリオが完了するまでにかかる時間を事前に知ることはできないため、アルゴリズムは問題が解決する前に不足する可能性があります。
研究者たちはニューラルネットが単独で機能することを想定していない、とフォーリー氏は述べた。彼らは、ブルータスのようなプログラムがニューラルネットを使って大部分のレッグワークを行い、ソフトウェアの処理を妨げるより複雑な計算を伴うシミュレーションの部分のみを引き受けることが最善の解決策であると彼らは考えています。
「あなたはこのハイブリッドを作る」とフォーリーは言った。 「ブルータスが行き詰まるたびに、あなたはニューラルネットワークを採用し、それを前進させます。そして、ブルータスが行き詰まったかどうかを評価します。」
