Newton og maskinen. Billede af sir Isaac Newton sammen med en skematisk oversigt over et 10-lags dybt neuralt netværk. I hvert lag (bortset fra inputlaget), en node tager det vægtede input fra det forrige lags noder (plus en bias) og anvender derefter en aktiveringsfunktion, før data sendes til den næste node. Vægtene (og bias) er gratis parametre, som opdateres under træning. Kredit:arXiv:1910.07291 [astro-ph.GA]
Et lille team af forskere fra University of Edinburgh, universitetet i Cambridge, Campus Universita´rio de Santiago og Leiden University har udviklet en måde at bruge et dybt neuralt netværk til at løse tre-kropsproblemet. De har skrevet et papir, der beskriver deres indsats og har uploadet det til arXiv fortryksserver.
Tre-kropsproblemet er enkelt at beskrive, men meget svært at løse. Det indebærer at beregne, hvor tre legemer (såsom solen, måne og jord) vil alle være på et bestemt tidspunkt, givet deres startpositioner sammen med deres masse, nuværende retning, og hvor hurtigt de bevæger sig. Tidlige navigatører var de første, der forsøgte at løse tre-kropsproblemer-det hjalp dem med at styre skibe hen over store vandmasser såsom Atlanterhavet. Men sådanne bestræbelser var tilbøjelige til fejl på grund af de kaotiske måder, tyngdekraften udøver sin indflydelse på alle tre kroppe, når de interagerer. Isaac Newton kom med nogle ligninger, der involverede beskrivelse af vektorpositionerne i de tre kroppe, forudsat at hver havde en bestemt masse. At løse ligningerne involverede en lang række iterationer, derfor blev metoden ikke brugt, før computere blev opfundet. Men selv nu, med al kraft og kraft på moderne computere, processen er stadig lang og besværlig. Håber på at finde en hurtigere måde at få arbejdet udført på, forskerne med denne nye indsats spekulerede på, om neurale netværk måske kunne klare opgaven. At finde ud af, de brugte resultaterne af et konventionelt system bygget til at løse problemet - et ved navn Brutus. De fik Brutus til at løse 9, 900 "lette" scenarier og fodrede data og resultater til deres neurale netværk. Derefter, de gav systemet sine egne "lette" scenarier at løse og sammenlignede, hvordan det gjorde med Brutus, der arbejdede på de samme scenarier.
Forskerne rapporterer, at resultaterne fra de to systemer var meget tætte, tyder på, at det neurale netværk var ganske i stand til at løse tre-kropsproblemer-og det gjorde det meget hurtigere. Det tog Brutus cirka to minutter at løse de "lette" problemer - det neurale netværk gav næsten identiske resultater på mindre end et sekund. Forskerne erkender, at selvom det er meget hurtigt, deres system er stadig begrænset af Brutus 'evner til at knuse - uden sådanne data, det nye system ville ikke have noget at lære af. De foreslår, at deres arbejde stadig er i de tidlige stadier, men håber, at neurale netværk en dag vil kunne løse mange kropsproblemer, give forskere, der studerer kosmos, et meget værdifuldt redskab.
© 2019 Science X Network