Новая нейронная сеть может решить задачу трех тел в 100 миллионов раз быстрее
Задача трех тел, одно из самых известных в физике сложных вычислений, и новая нейронная сеть находит решения в 100 миллионов раз быстрее, чем существующие методы.
Впервые сформулированная сэром Исааком Ньютоном, задача трех тел включает вычисление движения трех гравитационyо взаимодействующих тел — таких, например, как Земля, Луна и Солнце, — с учетом их начальных положений и скоростей.
Поначалу это может показаться простым, но последовавшее за этим хаотическое движение в течение сотен лет, ставило математиков и физиков в тупик настолько, что все, кроме самых преданных людей, старались как можно меньше об этом думать.
Сегодня задача трех тел является важной частью выяснения того, как двойные системы черных дыр могут взаимодействовать с одиночными черными дырами, и как некоторые из самых фундаментальных объектов Вселенной взаимодействуют друг с другом.
Нейронная сеть, создана исследователями из Университета Эдинбурга и Кембриджского университета в Великобритании, Университета Авейру в Португалии и Лейденского университета в Нидерландах.
Команда разработала искусственную нейронную сеть (ANN), обучила работе с базой данных существующих задач трех тел, а также подборке решений, которые уже были тщательно посчитаны. Было показано, что ANN достигает точных ответов гораздо быстрее, чем мы можем сегодня.
«Обученный ANN может заменить существующие методы, позволяя быстрое и масштабируемое моделирование систем многих тел, чтобы пролить свет на выдающиеся явления, такие как образование двойных систем черных дыр или возникновение коллапса ядра в плотных звездных скоплениях», пишут исследователи в своей работе.
«В конце концов, мы предполагаем, что сеть может быть обучена более сложным хаотическим проблемам, таким как задачи 4 и 5 тел, что еще больше снизит вычислительную нагрузку», — заключают исследователи в своей статье.
Исследование еще не было опубликовано в рецензируемом журнале, но доступно для чтения на сервере предварительной печати arXiv.org.
