＂
点击“国家空间科学中心”重视咱们吧
＂
自牛顿年代起，怎么猜测三个环绕互相旋转的天体的运动途径一向令物理学家头痛不已，而现在使用人工智能技术，顷刻时刻便可处理这一问题。
牛顿最早在17世纪提出了三体问题，但事实证明，要想用简略的方法来处理这一问题可谓极端困难。
三个天体（如行星、恒星和卫星等等）之间的引力相互作用会构成一个混沌体系，而这类体系十分杂乱，且对各个天体的初始状况高度灵敏。
有研讨人员测验使用软件处理三体问题，但往往需消耗数周、乃至数月时刻才干完结核算，因而研讨人员决议试一试神经网络。这是一种规则辨认类型的人工智能，大致模仿了大脑的运作机制。
而他们打造的算法准确求解的速度比现在最先进的软件程序Brutus还要快1亿倍，这对研讨星团行为和世界演化进程的天文学家而言，将是一份“价值连城”。
这套神经网络体系若能正常运作，得出答案的速度将到达史无前例的水平。这样一来，咱们就能够进一步研讨更深层次的问题了，例如“引力波是怎么构成的”等等。
神经网络在具有猜测才干之前，必须先经过输入很多数据进行练习。因而，研讨人员先用Brutus软件生成了9900个简化版的三体问题情境，用于练习神经网络。
接下来，研讨人员再用5000个新情境对这套神经网络进行测验，看其能否准确猜测出这些情境的演化轨道。成果发现，其猜测成果不只与Brutus十分挨近，而且转瞬间便可完结核算，而相比之下，Brutus的均匀核算时刻将近2分钟。
Brutus之类的程序之所以核算得这么慢，是因为它们采用了“蛮力核算法”，即穷举法，对天体轨道的每一小步都要进行核算，而神经网络则只是剖析了由这些核算发生的运动轨道、并从中概括出相应规则，借此猜测体系未来的演化成果。
但关于规划更大、更杂乱的体系来说，状况就没这么简略了。这套算法现在仅处于概念验证阶段，只学习了一些简化版情境，但假如要用更杂乱的体系、乃至“四体体系”、“五体体系”进行练习，就首要要用Brutus生成很多数据，这样不只耗时甚长、且费用昂扬。这便是这套神经网络现在遭受的瓶颈。
要想处理这一问题，能够让多位研讨人员先用Brutus之类的程序打造一个通用数据库，但这需求先拟定一套规范协议，保证一切数据都契合规范、且方式一致。
此外，该神经网络自身还有一些问题需求处理，比方，它现在只能按规则时长运转，但咱们不可能提早预知某个情境需求多久才干完结演化，因而该算法可能在问题得到处理之前，就现已“缺医少药”了。
不过，研讨人员并未计划让这套神经体系独挑大梁，他们都认为最好让Brutus之类的程序做大部分“苦力活”，而神经网络则只担任有必要进行杂乱核算的模仿部分。
来历：新浪探究
作者：带你飞的科学探究
