Các tính toán uốn cong tâm trí cần thiết để dự đoán ba thiên thể quay quanh nhau như thế nào đã gây trở ngại cho các nhà vật lý kể từ thời Sir Isaac Newton. Bây giờ trí tuệ nhân tạo (A.I.) đã chỉ ra rằng nó có thể giải quyết vấn đề trong một phần nhỏ thời gian cần thiết cho các phương pháp trước đây.
Newton là người đầu tiên đưa ra vấn đề vào thế kỷ 17, nhưng việc tìm ra một cách đơn giản để giải quyết nó đã tỏ ra vô cùng khó khăn. Các tương tác hấp dẫn giữa ba thiên thể như các hành tinh, sao và mặt trăng dẫn đến một hệ thống hỗn loạn - một hệ thống phức tạp và rất nhạy cảm với các vị trí bắt đầu của mỗi cơ thể.
Các cách tiếp cận hiện tại để giải quyết các vấn đề này liên quan đến việc sử dụng phần mềm có thể mất vài tuần hoặc thậm chí vài tháng để hoàn thành các tính toán. Vì vậy, các nhà nghiên cứu quyết định xem liệu một mạng lưới thần kinh - một kiểu mẫu nhận ra A.I. mà bắt chước một cách lỏng lẻo cách bộ não hoạt động - có thể làm tốt hơn.
Thuật toán họ xây dựng đã cung cấp các giải pháp chính xác nhanh hơn tới 100 triệu lần so với chương trình phần mềm tiên tiến nhất, được gọi là Brutus. Điều đó có thể chứng minh vô giá đối với các nhà thiên văn học cố gắng hiểu những thứ như hành vi của các cụm sao và sự tiến hóa rộng lớn hơn của vũ trụ, Chris Foley, nhà sinh học tại Đại học Cambridge và đồng tác giả của một bài báo cho cơ sở dữ liệu arXiv, cho biết. để được đánh giá ngang hàng.
"Mạng lưới thần kinh này, nếu nó hoạt động tốt, sẽ có thể cung cấp cho chúng tôi các giải pháp trong một khung thời gian chưa từng có", ông nói với Live Science. "Vì vậy, chúng ta có thể bắt đầu suy nghĩ về việc đạt được tiến bộ với những câu hỏi sâu sắc hơn nhiều, như cách sóng hấp dẫn hình thành."
Mạng lưới thần kinh phải được đào tạo bằng cách được cung cấp dữ liệu trước khi chúng có thể đưa ra dự đoán. Vì vậy, các nhà nghiên cứu đã phải tạo ra 9,900 kịch bản ba thân đơn giản hóa bằng Brutus, nhà lãnh đạo hiện tại khi nói đến việc giải quyết các vấn đề ba cơ thể.
Sau đó, họ đã kiểm tra mạng lưới thần kinh có thể dự đoán sự tiến hóa của 5.000 kịch bản chưa từng thấy và kết quả của nó phù hợp chặt chẽ với Brutus. Tuy nhiên, chương trình dựa trên A.I. đã giải quyết các vấn đề trong trung bình chỉ một phần của giây, so với gần 2 phút.
Lý do các chương trình như Brutus rất chậm là vì họ giải quyết vấn đề bằng vũ lực, Foley nói, thực hiện các tính toán cho từng bước nhỏ của quỹ đạo của các thiên thể. Mặt khác, mạng lưới thần kinh chỉ đơn giản là nhìn vào các chuyển động mà các tính toán tạo ra và suy ra một mô hình có thể giúp dự đoán các kịch bản trong tương lai sẽ diễn ra như thế nào.
Tuy nhiên, đó là một vấn đề cho việc mở rộng hệ thống lên, Foley nói. Thuật toán hiện tại là một bằng chứng về khái niệm và học được từ các kịch bản đơn giản hóa, nhưng đào tạo về những cái phức tạp hơn hoặc thậm chí tăng số lượng cơ thể liên quan đến bốn trong năm đầu tiên yêu cầu bạn tạo dữ liệu trên Brutus, có thể cực kỳ thời gian tiêu thụ và đắt tiền.
"Có một sự tương tác giữa khả năng của chúng tôi để đào tạo một mạng lưới thần kinh hoạt động tuyệt vời và khả năng của chúng tôi để thực sự lấy được dữ liệu để đào tạo nó", ông nói. "Vì vậy, có một nút cổ chai ở đó."
Một cách xoay quanh vấn đề đó là các nhà nghiên cứu sẽ tạo ra một kho dữ liệu chung được sản xuất bằng các chương trình như Brutus. Nhưng trước tiên, điều đó sẽ yêu cầu tạo ra các giao thức chuẩn để đảm bảo dữ liệu là tất cả các tiêu chuẩn và định dạng nhất quán, Foley nói.
Vẫn còn một vài vấn đề cần giải quyết với mạng lưới thần kinh, Foley nói. Nó chỉ có thể chạy trong một thời gian định sẵn, nhưng không thể biết trước một kịch bản cụ thể sẽ mất bao lâu để hoàn thành, do đó thuật toán có thể hết hơi trước khi vấn đề được giải quyết.
Tuy nhiên, các nhà nghiên cứu không dự tính mạng lưới thần kinh hoạt động trong sự cô lập, Foley nói. Họ nghĩ rằng giải pháp tốt nhất sẽ là một chương trình như Brutus thực hiện hầu hết các công việc cần thiết với mạng lưới thần kinh, chỉ đảm nhận các phần mô phỏng liên quan đến các phép tính phức tạp hơn làm hỏng phần mềm.
"Bạn tạo ra con lai này," Foley nói. "Mỗi khi Brutus bị mắc kẹt, bạn sử dụng mạng lưới thần kinh và đưa nó về phía trước. Sau đó, bạn đánh giá liệu Brutus có trở nên không ổn định hay không."
