Pengiraan minda-lentur diperlukan untuk meramalkan bagaimana tiga orbit-orkid di orbit satu sama lain telah membingungkan ahli fizik sejak zaman Sir Isaac Newton. Sekarang kecerdasan buatan (A.I.) telah menunjukkan bahawa ia dapat menyelesaikan masalah itu di sebahagian kecil masa yang diperlukan oleh pendekatan sebelumnya.
Newton adalah yang pertama merumuskan masalah pada abad ke-17, tetapi mencari jalan mudah untuk menyelesaikannya telah membuktikan sangat sukar. Interaksi graviti antara tiga benda angkasa seperti planet, bintang dan bulan mengakibatkan sistem kacau - satu yang kompleks dan sangat sensitif terhadap posisi awal setiap tubuh.
Pendekatan semasa untuk menyelesaikan masalah ini melibatkan penggunaan perisian yang boleh mengambil minggu atau bulan untuk menyelesaikan pengiraan. Jadi penyelidik memutuskan untuk melihat apakah rangkaian neural - sejenis corak yang mengenali A.I. yang longgar meniru bagaimana otak berfungsi - boleh berbuat lebih baik.
Algoritma yang mereka bina menyediakan penyelesaian yang tepat sehingga 100 juta kali lebih cepat daripada program perisian yang paling maju, yang dikenali sebagai Brutus. Itu boleh membuktikan tidak ternilai para astronom yang cuba memahami perkara-perkara seperti tingkah laku kluster bintang dan evolusi alam semesta yang lebih luas, kata Chris Foley, seorang biostatistik di University of Cambridge dan pengarang bersama kertas ke pangkalan data arXiv, yang belum untuk dikaji semula.
"Jaring neural ini, jika ia berfungsi dengan baik, sepatutnya dapat memberi kita penyelesaian dalam jangka masa yang tidak pernah berlaku," katanya kepada Sains Live. "Jadi kita boleh mula berfikir tentang membuat kemajuan dengan lebih banyak soalan, seperti bagaimana bentuk gelombang graviti."
Rangkaian neural mesti dilatih dengan diberi data sebelum mereka boleh membuat ramalan. Jadi para penyelidik terpaksa menjana 9,900 senario tiga badan yang disederhanakan menggunakan Brutus, pemimpin semasa ketika menyelesaikan masalah tiga-badan.
Mereka kemudian menguji seberapa baik jaring saraf dapat meramalkan evolusi dari 5,000 senario yang tidak kelihatan, dan mendapati hasilnya rapat dengan orang Brutus. Walau bagaimanapun, program berasaskan A.I menyelesaikan masalah dalam purata hanya pecahan sesaat, berbanding dengan hampir 2 minit.
Program sebab seperti Brutus sangat lambat adalah bahawa mereka menyelesaikan masalah dengan kekerasan, kata Foley, melakukan perhitungan untuk setiap langkah kecil dari trajektori tubuh angkasa. Jaring neural, sebaliknya, hanya melihat pergerakan pengiraan tersebut menghasilkan dan menyimpulkan corak yang dapat membantu meramalkan bagaimana senario masa depan akan dimainkan.
Itu menunjukkan masalah untuk mengukur sistem itu, walaupun, kata Foley. Algoritma semasa adalah bukti-konsep dan dipelajari dari senario yang mudah, tetapi latihan pada yang lebih rumit atau bahkan meningkatkan bilangan badan yang terlibat dengan empat dari lima pertama memerlukan anda untuk menghasilkan data pada Brutus, yang boleh menjadi sangat masa- memakan dan mahal.
"Terdapat hubungan antara keupayaan kami untuk melatih rangkaian neural yang hebat dan keupayaan kami untuk memperoleh data yang dapat dilatih," katanya. "Jadi ada hambatan di sana."
Satu cara mengelilingi masalah itu adalah untuk para penyelidik untuk mencipta repositori biasa data yang dihasilkan menggunakan program seperti Brutus. Tetapi pertama yang memerlukan penciptaan protokol piawai untuk memastikan data itu adalah semua standard dan format yang konsisten, Foley berkata.
Masih ada beberapa isu yang perlu dilakukan dengan jaringan saraf juga, kata Foley. Ia boleh berjalan untuk masa yang ditetapkan sahaja, tetapi tidak dapat diketahui terlebih dahulu berapa lama senario tertentu akan diambil untuk diselesaikan, jadi algoritma boleh kehabisan stim sebelum masalah diselesaikan.
Para penyelidik tidak membayangkan kerja bersih saraf dalam pengasingan, walaupun, Foley berkata. Mereka berpendapat penyelesaian terbaik adalah untuk program seperti Brutus untuk melakukan sebahagian besar kerja keras dengan jaring saraf, mengambil hanya bahagian-bahagian simulasi yang melibatkan pengiraan yang lebih rumit yang merosakkan perisian.
"Anda mencipta hibrid ini," kata Foley. "Setiap kali Brutus terjebak, anda menggunakan rangkaian neural dan jig ke hadapan. Dan kemudian anda menilai sama ada atau tidak Brutus telah menjadi tidak disengajakan."
