北京時(shí)間 12 月 5 日消息，據國外媒體報道，自牛頓時(shí)代起，如何預測三個(gè)圍繞彼此旋轉的天體的運動(dòng)路徑一直令物理學(xué)家頭痛不已。而如今利用人工智能技術(shù)，片刻時(shí)間便可解決這一問(wèn)題。

　　牛頓最早在 17 世紀提出了三體問(wèn)題，但事實(shí)證明，要想用簡(jiǎn)單的方法來(lái)解決這一問(wèn)題可謂極其困難。三個(gè)天體(如行星、恒星和衛星等等)之間的引力相互作用會(huì )形成一個(gè)混沌系統，而這類(lèi)系統十分復雜，且對各個(gè)天體的初始狀態(tài)高度敏感。

　　有研究人員嘗試利用軟件解決三體問(wèn)題，但往往需耗費數周、甚至數月時(shí)間才能完成計算。因此研究人員決定試一試神經(jīng)網(wǎng)絡(luò )。這是一種規律識別類(lèi)型的人工智能，大致模擬了大腦的運作機制。而他們打造的算法精確求解的速度比目前最先進(jìn)的軟件程序 Brutus 還要快 1 億倍。這對研究星團行為和宇宙演變過(guò)程的天文學(xué)家而言，將是一份“無(wú)價(jià)之寶”。這套神經(jīng)網(wǎng)絡(luò )系統若能正常運作，得出答案的速度將達到前所未有的水平。這樣一來(lái)，我們就可以進(jìn)一步研究更深層次的問(wèn)題了，例如“引力波是如何形成的”等等。

　　神經(jīng)網(wǎng)絡(luò )在具備預測能力之前，必須先通過(guò)輸入大量數據進(jìn)行訓練。因此，研究人員先用 Brutus 軟件生成了 9900 個(gè)簡(jiǎn)化版的三體問(wèn)題情境，用于訓練神經(jīng)網(wǎng)絡(luò )。接下來(lái)，研究人員再用 5000 個(gè)新情境對這套神經(jīng)網(wǎng)絡(luò )進(jìn)行測試，看其能否精確預測出這些情境的演變軌跡。結果發(fā)現，其預測結果不僅與 Brutus 非常接近，并且轉瞬間便可完成計算。而相比之下，Brutus 的平均計算時(shí)間將近 2 分鐘。

　　Brutus 之類(lèi)的程序之所以計算得這么慢，是因為它們采用了“蠻力計算法”，即窮舉法，對天體軌跡的每一小步都要進(jìn)行計算。而神經(jīng)網(wǎng)絡(luò )則僅僅分析了由這些計算產(chǎn)生的運動(dòng)軌跡、并從中歸納出相應規律，借此預測系統未來(lái)的演變結果。

　　但對于規模更大、更復雜的系統來(lái)說(shuō)，情況就沒(méi)這么簡(jiǎn)單了。這套算法目前僅處于概念驗證階段，只學(xué)習了一些簡(jiǎn)化版情境，但如果要用更復雜的系統、甚至“四體系統”、“五體系統”進(jìn)行訓練，就首先要用 Brutus 生成大量數據，這樣不僅耗時(shí)甚長(cháng)、且費用高昂。這就是這套神經(jīng)網(wǎng)絡(luò )目前遭遇的瓶頸。

　　要想解決這一問(wèn)題，可以讓多位研究人員先用 Brutus 之類(lèi)的程序打造一個(gè)通用數據庫。但這需要先制定一套標準協(xié)議，確保所有數據都符合標準、且形式統一。

　　此外，該神經(jīng)網(wǎng)絡(luò )本身還有一些問(wèn)題需要解決。比如，它目前只能按規定時(shí)長(cháng)運行，但我們不可能提前預知某個(gè)情境需要多久才能完成演化，因此該算法可能在問(wèn)題得到解決之前，就已經(jīng)“彈盡糧絕”了。

　　不過(guò)，研究人員并未打算讓這套神經(jīng)系統獨挑大梁，他們認為最好讓 Brutus 之類(lèi)的程序做大部分“苦力活”，而神經(jīng)網(wǎng)絡(luò )則只負責需要進(jìn)行復雜計算的模擬部分。
　?。?a href="http://m.lsbmaoyi.com">邯鄲網(wǎng)站建設）

谷歌兩位聯(lián)合創(chuàng )始人卸任...

訊飛輸入法新增密語(yǔ)模式...