חישובי כיפוף הנפש שנדרשו כדי לחזות כיצד שלושה גופים שמימיים מקיפים זה את זה פיזרו פיזיקאים מאז תקופת סר איזק ניוטון. כעת בינה מלאכותית (A.I.) הראתה שהיא יכולה לפתור את הבעיה בשבריר מהזמן הנדרש בגישות קודמות.
ניוטון היה הראשון שניסח את הבעיה במאה ה -17, אך מציאת דרך פשוטה לפתור אותה התבררה כקשה להפליא. האינטראקציות הכבידתיות בין שלושה עצמים שמימיים כמו כוכבי לכת, כוכבים וירחים מביאים למערכת כאוטית - כזו שהיא מורכבת ורגישה מאוד לתנוחות ההתחלה של כל גוף.
גישות עכשוויות לפיתרון בעיות אלה כוללות שימוש בתוכנה שיכולה לקחת שבועות ואף חודשים עד להשלים חישובים. אז החוקרים החליטו לבדוק אם רשת עצבית - סוג של תבנית המזהה את A.I. זה מחקה באופן רופף את האופן שבו המוח עובד - יכול היה לעשות טוב יותר.
האלגוריתם שבנו סיפק פתרונות מדויקים מהר פי מאה מיליון מתוכנת התוכנה המתקדמת ביותר, המכונה ברוטוס. זה יכול להיות לא יסולא בפז בעיני אסטרונומים המנסים להבין דברים כמו התנהגותם של אשכולות כוכבים והתפתחות רחבה יותר של היקום, אמר כריס פולי, ביו-סטטיסטיקן מאוניברסיטת קיימברידג 'ומחבר משותף של מאמר למאגר arXiv, שעדיין לא הוסיף להיבחן עמיתים.
"רשת עצבית זו, אם היא עושה עבודה טובה, צריכה להיות מסוגלת לספק לנו פתרונות במסגרת זמן חסרת תקדים", אמר ל- Live Science. "כך נוכל להתחיל לחשוב על התקדמות עם שאלות עמוקות הרבה יותר, כמו כיצד נוצרים גלי כבידה."
יש לאמן רשתות עצביות על ידי הזנת נתונים לפני שהן יכולות לחזות. לכן החוקרים נאלצו לייצר 9,900 תרחישים מפושטים עם שלושה גופים באמצעות ברוטוס, המובילה הנוכחית בכל הקשור לפיתרון בעיות של שלושה גופים.
לאחר מכן הם בדקו עד כמה הרשת העצבית יכולה לחזות את התפתחותם של 5,000 תרחישים בלתי נראים, ומצאו כי תוצאותיה תואמות את תוצאות ברוטוס. עם זאת, התוכנית מבוססת A.I. פתרה את הבעיות בממוצע של שבריר שנייה בלבד, לעומת כמעט 2 דקות.
הסיבה לכך שתוכניות כמו ברוטוס כל כך איטיות היא שהן פותרות את הבעיה בכוח אמיץ, אמר פולי, ובצעו חישובים עבור כל צעד זעיר במסלולי הגופות השמימיות. הרשת העצבית, לעומת זאת, פשוט מסתכלת על התנועות אותם מייצרים החישובים ומסיק דפוס שיכול לעזור לחזות כיצד ישחקו תרחישים עתידיים.
עם זאת, זה מביא לבעיה בהרחבת המערכת, אמר פולי. האלגוריתם הנוכחי הוא הוכחת מושג ונלמד מתרחישים פשוטים יותר, אך אימונים על מורכבים יותר או אפילו הגדלת מספר הגופים המעורבים לארבעה מתוך חמש ראשונים מחייבים אותך להפיק את הנתונים על Brutus, שיכולים להיות זמן מאוד - רב ויקר.
"יש יחסי גומלין בין היכולת שלנו להכשיר רשת עצבית שמבצעת בצורה פנטסטית לבין היכולת שלנו למעשה לגזור נתונים איתם אפשר לאמן אותם", אמר. "אז יש שם צוואר בקבוק."
דרך אחת לעקוף את הבעיה הזו היא שחוקרים ייצרו מאגר משותף של נתונים המיוצרים באמצעות תוכניות כמו ברוטוס. אך ראשית, הדבר ידרוש יצירת פרוטוקולים סטנדרטיים בכדי להבטיח שהנתונים היו סטנדרטיים ופורמטיים עקביים, אמר פולי.
עדיין יש כמה סוגיות שעובדות באמצעות הרשת העצבית, אמר פולי. זה יכול לפעול למשך זמן מוגדר בלבד, אך לא ניתן לדעת מראש כמה זמן ייקח תסריט מסוים להשלמתו, כך שהאלגוריתם יכול להיגמר לפני שהבעיה תיפתר.
החוקרים לא רואים שהרשת העצבית תעבוד בבידוד, אמר פולי. הם חושבים שהפתרון הטוב ביותר יהיה שתוכנית כמו ברוטוס תבצע את מרבית עבודות הרגליים עם הרשת העצבית ותיקח רק את חלקי הסימולציה שיש בה חישובים מורכבים יותר המביאים את התוכנה.
"אתה יוצר הכלאה זו," אמר פולי. "בכל פעם שברוטוס נתקע אתה מעסיק את הרשת העצבית ומעביר אותה קדימה. ואז אתה מעריך אם ברוטוס לא נעצר."
