人工智能可以解决困扰科学家许久的“三体问题”

据国外媒体报道，自牛顿时代以来，如何预测三个天体围绕彼此旋转的运动轨迹一直是物理学家们头疼的问题。现在，利用人工智能技术，片刻就能解决这个问题。

牛顿第一次提出三体是在17世纪，但是事实证明，用简单的方法解决这个问题是极其困难的。三个天体(如行星、恒星、卫星等)之间的引力相互作用。)将形成一个混沌系统，这个系统非常复杂，对每个天体的初始状态高度敏感。

一些研究人员试图用软件来解决三体问题，但通常需要几周甚至几个月来完成计算。所以研究人员决定尝试神经网络。这是一种人工智能，它定期识别类型并粗略模拟大脑的运行机制。然而，他们创造的算法比目前最先进的软件程序布鲁图斯快1亿倍。这对研究星团行为和宇宙演化的天文学家来说，将是“无价之宝”。如果这个神经网络系统能够正常运行，获得答案的速度将达到前所未有的水平。这样，我们可以进一步研究更深层次的问题，如“引力波是如何形成的”等等。

在神经网络能够预测之前，它们必须通过输入大量数据来训练。因此，研究人员首先使用布鲁图斯软件生成9900个简化的三体场景来训练神经网络。接下来，研究人员用5000个新场景测试了神经网络，看它是否能准确预测这些场景的演变。结果表明，预测结果不仅非常接近布鲁图斯，而且可以在一瞬间完成。相比之下，布鲁图斯的平均计算时间接近2分钟。

像布鲁图斯这样的程序计算速度很慢，因为他们使用“蛮力法”，或称穷举法，来计算天体轨迹中的每一小步。然而，神经网络只分析由这些计算产生的轨迹并归纳相应的规律，从而预测系统未来的进化结果。

但是对于更大更复杂的系统，情况就不那么简单了。目前，该算法仅处于概念证明阶段，只学习了一些简化的场景。然而，如果要使用更复杂的系统，甚至“四体系统”和“五体系统”来进行训练，布鲁特斯必须首先用于生成大量的数据，这不仅耗时而且昂贵。这是该神经网络目前遇到的瓶颈。

为了解决这个问题，一些研究人员可以首先使用像布鲁图斯这样的程序来创建一个公共数据库。然而，这需要一套标准协议来确保所有数据符合标准并具有统一的格式。

此外，神经网络本身还有一些问题需要解决。例如，它目前只能运行一段特定的时间，但我们无法提前预测某个特定的情况需要多长时间才能完成它的进化，因此在问题解决之前，算法可能已经“弹药耗尽”。

然而，研究人员并不打算让这种神经系统独自领先。他们认为最好让像布鲁图斯这样的程序做大部分的“艰苦工作”，而神经网络只负责需要复杂计算的模拟部分。(树叶)