Международная группа ученых из Великобритании создала новый метод решения задачи трех тел при помощи нейросети глубокого обучения (ANN). Она способна найти ответ в 100 миллионов раз быстрее человека и всех существующих алгоритмов. Результаты научной работы опубликовали в репозитории репринтов arXiv.

Для создания обучающей выборки исследователи применили интегратор "Брутус", который может найти решение для системы из N-тел при помощи интегрального исчисления. На это, однако, уходит много времени. В модель для простоты включили три частицы равной массы, чья первоначальная скорость равна нулю, а их совместное вращение происходило в одной плоскости. Две из трех частиц всегда занимали случайное положение в системе координат. "Брутус" вычислял траектории, которые содержали точки, отмечавшие интервалы времени t (всего 2561 точка).

Ученые сгенерировали десять тысяч наборов данных, в каждом из них содержались траектории трех частиц. Для обучения сети из 128 взаимосвязанных искусственных нейронов использовали 9900 наборов. В ходе обучения при вводе начальных координат одной из частиц и времени t нейросеть возвращала итоговое положение двух частиц для времени t.

Выяснилось, что нейросеть лучше всего справлялась с задачей, если интервалы времени в обучающей выборке были минимальными. ANN оказалась быстрее "Брутуса" в сто тысяч раз, а в некоторых случаях — в сто миллионов раз.

Задачу трех тел впервые сформулировал Исаак Ньютон. Она заключается в предсказании траектории трех тел, взаимодействующих по закону тяготения, и до сих пор остается практически нерешенной, за исключением частных случаев.