Прорачуни савијања ума потребни су за предвиђање како су три небеска тела у орбити око себе збуњивала физичаре још од времена Сир Исааца Невтона. Сада је вештачка интелигенција (А.И.) показала да проблем може да реши у делићу времена које је захтевало претходни приступ.
Њутн је први формулисао проблем у 17. веку, али проналазак једноставног начина за његово решавање показао се невероватно тешким. Гравитационе интеракције три небеска објекта попут планета, звезда и месеца доводе до хаотичног система - система који је сложен и врло осетљив на почетне положаје сваког тела.
Постојећи приступи решавању ових проблема укључују коришћење софтвера коме су потребни рачуни недељама или месецима. Тако су истраживачи одлучили да виде да ли је неуронска мрежа - врста узорка који препознаје А.И. што лагано опонаша како мозак функционише - могло би и боље.
Алгоритам који су уградили пружила је тачна решења до 100 милиона пута бржег од најнапреднијег софтверског програма, познатог као Брутус. То би могло бити непроцењиво за астроомере који покушавају да схвате ствари попут понашања звезданих гроздова и шире еволуције свемира, рекао је Цхрис Фолеи, биостатистичар са Универзитета у Кембриџу и коаутор дела у бази података арКсив, која још увек има да буде прегледан.
"Ова неуронска мрежа, ако добро ради, требало би да нам омогући решења у до сада невиђеном временском оквиру", рекао је он за Ливе Сциенце. "Тако да можемо почети размишљати о напретку са много дубљим питањима, попут начина гравитационог таласа."
Неуронске мреже морају бити обучене тако да се хране подацима пре него што могу предвидјети. Дакле, истраживачи су морали да генеришу 9.900 поједностављених сценарија са три тела користећи Брутус, тренутно водећег кад је реч о решавању проблема са три тела.
Затим су тестирали колико неуронска мрежа може да предвиди развој 5.000 невиђених сценарија, и открили су да се њени резултати поклапају са Брутусовим. Међутим, програм заснован на А.И. проблем је решио у просеку само делић секунде, у поређењу са готово 2 минута.
Разлог због којег су програми попут Брутуса тако спори је тај што они проблем решавају грубом силом, рекао је Фоли, изводећи прорачуне за сваки мали корак путање небеских тела. С друге стране, неуронска мрежа једноставно гледа кретања која ти прорачуни производе и изводи образац који вам може помоћи да предвиди како ће се одиграти будући сценарији.
То ипак представља проблем због повећања система, рекао је Фолеи. Тренутни алгоритам је доказ концепта и научен је из поједностављених сценарија, али обука сложенијих или чак и повећање броја тела која су укључена на четири од пет прво захтева да генеришете податке о Брутусу, што може бити изузетно временско - конзумно и скупо.
"Постоји међусобна веза између наше способности да тренирамо фантастично делујућу неуронску мрежу и наше способности да стварно добијемо податке помоћу којих да их тренирамо", рекао је. "Значи, тамо је уско грло."
Један од проблема око овог проблема био би истраживачима да створе заједничко складиште података произведених помоћу програма као што је Брутус. Али прво би било потребно креирати стандардне протоколе како би се осигурало да су сви подаци конзистентног стандарда и формата, рекао је Фолеи.
Постоји још неколико проблема с којима се може ријешити неуронска мрежа, рекао је Фолеи. Може да ради само постављено време, али није могуће унапред знати колико ће одређеног сценарија требати да се заврши, па ће алгоритму понестати паре пре него што се проблем реши.
Међутим, истраживачи не предвиђају да неуронска мрежа делује изоловано, рекао је Фолеи. Они мисле да би најбоље решење било за програм попут Брутуса да већи део ногу уради неуронском мрежом, узимајући само делове симулације који укључују сложеније прорачуне који замарају софтвер.
"Ви стварате овај хибрид", рекао је Фолеи. "Сваки пут када се Брутус заглави, ви употребљавате неуронску мрежу и гурнете је напред. И онда процените да ли се Брутус одлепио или не."
