los problema de tres cuerpos, uno de los cálculos más notoriamente complejos en física, puede haber cumplido su nivel en inteligencia artificial: una nueva red neuronal promete encontrar soluciones hasta 100 millones de veces más rápido que las técnicas existentes.
Formulado por primera vez por Sir Isaac Newton, el problema de los tres cuerpos implica calcular el movimiento de tres cuerpos que interactúan gravitacionalmente, como la Tierra, la Luna y el Sol, por ejemplo, dadas sus posiciones y velocidades iniciales.
Puede sonar simple al principio, pero el movimiento caótico resultante ha dejado perplejos a matemáticos y físicos durante ci entos de años, en la medida en que todos, excepto los humanos más dedicados, han tratado de evitar pensar lo más posible.
Es por eso cronometradores se hizo más popular para calcular posiciones en el mar en lugar de usar la Luna y las estrellas; era menos que un rascador de cabeza.
Hoy el problema de los tres cuerpos es una parte importante para descubrir cómo calabozo los binarios pueden interactuar con un solo agujeros negros, y a partir de ahí, cómo algunos de los objetos más fundamentales del Universo interactúan entre sí.
Ingrese a la red neuronal producida por investigadores de la Universidad de Edimburgo y la Universidad de Cambridge en el Reino Unido, la Universidad de Aveiro en Portugal y la Universidad de Leiden en los Países Bajos.
El equipo desarrolló una red neuronal artificial profunda (ANN), capacitada en una base de datos de problemas existentes de tres cuerpos, además de una selección de soluciones que ya han sido elaboradas minuciosamente. Se demostró que el ANN es muy prometedor para alcanzar respuestas precisas mucho más rápido de lo que podemos hoy.
"Un ANN capacitado puede reemplazar a los solucionadores numéricos existentes, permitiendo simulaciones rápidas y escalables de sistemas de muchos cuerpos para arrojar luz sobre fenómenos sobresalientes como la formación de sistemas binarios de agujero negro o el origen del colapso del núcleo en densos cúmulos estelares", escribe los investigadores en su papel.
Los investigadores simplificaron el proceso para incluir solo tres partículas de igual masa en un plano, todas comenzando con velocidad cero, y luego ejecutaron un solucionador de problemas de tres cuerpos existente llamado Brutus 10,000 veces más (9,900 para entrenamiento y 100 para validación).
Sobre la base de esa capacitación, el nuevo ANN recibió 5.000 nuevos escenarios para trabajar, y los resultados se compararon con las propias predicciones de Brutus. La red neuronal coincidió con los resultados que Brutus obtuvo en un grado impresionante.
Anteriormente, se han utilizado varios tipos de redes neuronales, basadas en el procesamiento y el peso de las decisiones que tienen lugar en el cerebro humano. producir death metal, generar caras falsasy abordar algunas de las mayores problemas en física.
Nos brindan una forma de hacer atajos computacionales pero inteligentes, obteniendo rutas más rápidas a las respuestas y al mismo tiempo obteniendo el resultado final correcto.
En este nuevo estudio, hay algunas limitaciones de las que hablar: el trabajo aún no ha sido revisado por otros científicos, y hace algunas simplificaciones y suposiciones sobre escenarios de tres cuerpos que significan que es más una prueba de concepto en este escenario.
Lo que sí muestra es que las redes neuronales capacitadas podrían trabajar junto con Brutus y sistemas similares, interviniendo cuando los cálculos de tres cuerpos se vuelven demasiado complejos para que nuestros modelos actuales puedan hacer frente.
"Eventualmente, imaginamos que esa red puede ser entrenada en problemas caóticos más ricos, como el problema de 4 y 5 cuerpos, reduciendo la carga computacional aún más", concluyen los investigadores en su papel.
La investigación aún no se ha publicado en una revista revisada por pares, pero está disponible para leer en el servidor de preimpresión arXiv.org.