I calcoli strabilianti richiesti per prevedere come tre corpi celesti orbitano a vicenda hanno sconcertato i fisici sin dai tempi di Sir Isaac Newton. Ora l'intelligenza artificiale (IA) ha dimostrato che può risolvere il problema in una frazione del tempo richiesto dagli approcci precedenti.
Newton fu il primo a formulare il problema nel 17 ° secolo, ma trovare un modo semplice per risolverlo si è rivelato incredibilmente difficile. Le interazioni gravitazionali tra tre oggetti celesti come pianeti, stelle e lune si traducono in un sistema caotico - uno che è complesso e altamente sensibile alle posizioni di partenza di ciascun corpo.
Gli attuali approcci per risolvere questi problemi prevedono l'uso di software che può richiedere settimane o addirittura mesi per completare i calcoli. Quindi i ricercatori hanno deciso di vedere se una rete neurale - un tipo di modello che riconosce A.I. che imita vagamente come funziona il cervello - potrebbe fare di meglio.
L'algoritmo che hanno creato ha fornito soluzioni accurate fino a 100 milioni di volte più veloci del più avanzato programma software, noto come Brutus. Ciò potrebbe rivelarsi prezioso per gli astronomi che cercano di capire cose come il comportamento dei cluster di stelle e la più ampia evoluzione dell'universo, ha affermato Chris Foley, biostatista dell'Università di Cambridge e coautore di un articolo per il database arXiv, che ha ancora da rivedere alla pari.
"Questa rete neurale, se fa un buon lavoro, dovrebbe essere in grado di fornirci soluzioni in un arco di tempo senza precedenti", ha detto a Live Science. "Quindi possiamo iniziare a pensare di fare progressi con domande molto più profonde, come la forma delle onde gravitazionali".
Le reti neurali devono essere addestrate alimentando i dati prima di poter fare previsioni. Quindi i ricercatori hanno dovuto generare 9.900 scenari semplificati a tre corpi usando Bruto, l'attuale leader quando si tratta di risolvere problemi a tre corpi.
Hanno quindi testato la capacità della rete neurale di prevedere l'evoluzione di 5.000 scenari invisibili e hanno scoperto che i suoi risultati corrispondevano strettamente a quelli di Bruto. Tuttavia, il programma basato su A.I. ha risolto i problemi in media solo una frazione di secondo, rispetto a quasi 2 minuti.
La ragione per cui programmi come Bruto sono così lenti è che risolvono il problema con la forza bruta, disse Foley, eseguendo calcoli per ogni piccolo passo delle traiettorie dei corpi celesti. La rete neurale, d'altra parte, guarda semplicemente ai movimenti prodotti da questi calcoli e deduce uno schema che può aiutare a prevedere come si svolgeranno gli scenari futuri.
Ciò presenta un problema per ridimensionare il sistema, tuttavia, ha detto Foley. L'attuale algoritmo è una prova di concetto e appreso da scenari semplificati, ma allenarsi su quelli più complessi o addirittura aumentare il numero di corpi coinvolti a quattro su cinque richiede prima di generare i dati su Bruto, che può essere estremamente tempo- consumando e costoso.
"Esiste un'interazione tra la nostra capacità di formare una rete neurale dalle prestazioni fantastiche e la nostra capacità di ricavare dati con cui addestrarli", ha affermato. "Quindi c'è un collo di bottiglia lì."
Un modo per aggirare quel problema sarebbe che i ricercatori creino un repository comune di dati prodotti usando programmi come Brutus. Ma prima ciò richiederebbe la creazione di protocolli standard per garantire che i dati fossero tutti di standard e formato coerenti, ha affermato Foley.
Ci sono ancora alcuni problemi da risolvere anche con la rete neurale, ha detto Foley. Può funzionare solo per un tempo prestabilito, ma non è possibile sapere in anticipo il tempo necessario per completare un determinato scenario, quindi l'algoritmo può rimanere senza vapore prima che il problema sia risolto.
I ricercatori non immaginano che la rete neurale funzioni in modo isolato, tuttavia, ha detto Foley. Pensano che la soluzione migliore sarebbe che un programma come Bruto esegua la maggior parte dei legwork con la rete neurale, assumendo solo le parti della simulazione che implicano calcoli più complessi che impantanano il software.
"Crea questo ibrido", ha detto Foley. "Ogni volta che Bruto si blocca, impieghi la rete neurale e la muovi in avanti. E poi valuti se Bruto è rimasto o meno bloccato."
