求解三体问题快了1亿倍,新型神经网络问世( 三 )

\n

他们用一种典型的训练方法开始训练神经网络 。 这需要一个用现有最先进的解决方案求解三体问题得出的答案组成的数据库 。

\n

Breen 和他的同事们首先简化了这个问题 , 把它限制为在一个平面上三个质量相等的粒子 , 每个粒子的初始速度为零 。 他们随机选择起始位置 , 并用最先进的 Brutus 法求解它们的三体运动 。 然后重复这个过程 10000 次 。

\n

\n

图|该神经网络的训练和测试案例(来源:麻省理工科技评论)

\n

该团队使用了 9900 个例子来训练他们的神经网络 , 并使用了 100 个例子来验证它 。 最后 , 他们用 5000 个全新的案例来测试 , 并将测试结果与 Brutus 法计算出的结果进行比较 。

\n

研究结果很有趣 。 神经网络准确地预测了三个物体未来的运动 , 正确地模拟了附近轨迹间的散度 , 与 Brutus 法模拟结果非常接近 。 “我们已经证明 , 深度人工神经网络能够在固定的时间间隔内 , 为具有计算挑战性的三体问题提供快速而准确的解决方案 , ” Breen 和他的同事们说 。

推荐阅读