“三体问题”使天文学家感到困惑，但人工智能一秒钟就破解了它

袅袅熏香m

自艾萨克•牛顿时代以来，预测三个天体如何相互绕转运行所需的令人费解的计算就一直困扰着物理学家。现在人工智能已经表明，它可以在极短时间内解决这个问题。
牛顿是17世纪第一个提出这个问题的人，但事实证明，找到一个简单的方法来解决这个问题非常困难。行星、恒星和卫星等三个天体之间的引力相互作用导致了一个混沌系统，它对每个天体的起始位置高度敏感。
目前解决这些问题的方法是使用软件计算，这些软件可能需要数周甚至数月才能完成计算。因此，研究人员决定使用人工神经网络（一种可以粗略模拟大脑工作方式的人工智能的模式），看看它是否能做得更好。
他们建立的算法提供了精确的解决方案，比最先进的软件程序布鲁特斯快1亿倍。该论文作者剑桥大学的生物统计学家克里斯·弗利说：“这对于天文学家试图了解星团的行为和宇宙更广泛的演化等情况来说，可能是无价的。”这篇论文发表在arXiv预印本服务器上，目前还没有得到同行的评论。
“这个神经网络，如果做得好的话，应该能够在前所未有的时间框架内为我们提供解决方案。因此，我们可以开始考虑在更深层次的问题上取得进展，比如引力波是如何形成的。”该论文作者说。
神经网络在进行预测之前，必须通过输入数据进行训练。因此，研究人员不得不使用解决三体问题的软件程序布鲁特斯生成9900个简化的三体场景。
然后他们测试了神经网络对5000个未知场景的预测能力，发现其结果与布鲁特斯的结果非常吻合。然而，这个基于人工智能的程序只在几秒钟内就解决了这些问题，而布鲁特斯要花费将近2分钟的时间。
“像布鲁特斯这样的程序之所以如此缓慢，是因为它们用暴力算法解决了这个问题，它对天体轨迹的每一个微小步骤都进行了计算。”弗利说，“另一方面，神经网络只是简单地观察这些计算产生的运动，并推断出一种模式，可以帮助预测未来的情景将如何发展。”
不过这给扩大这个系统带来了一个问题。当前的算法是一个概念证明，并从简化的场景中学习，但在更复杂的场景中训练，数据量将大幅增加。而这些数据需要由布鲁特斯生成，这可能非常耗时和昂贵。
神经网络还有一些问题需要解决。它只能运行一段设定的时间，不可能预先知道某个特定场景需要多长时间才能完成，因此算法可能在问题解决之前就会耗尽能量。