以下文字资料是由(历史认知网 www.lishirenzhi.com)小编为大家搜集整理后发布的内容，让我们赶快一起来看一下吧！
摘要：像布鲁特斯这样的程序之所以如此缓慢，是因为它们用暴力解决了问题，福利说，并对天体轨迹的每一小步进行了计算。提出了一个扩大系统规模的问题，不过，福利说。“你创造了这个混合体，”福利说每次布鲁特斯被卡住时，你就用神经网络把它向前跳。然后你评估布鲁特斯是否已经变得不稳定。
自从艾萨克·牛顿爵士时代以来，预测三个天体如何相互绕轨道运行所需的令人费解的计算一直困扰着物理学家。现在人工智能（A.I.）已经证明，它可以在以前 ... 所需时间的一小部分内解决这个问题。
牛顿在17世纪是第一个提出这个问题的人，但事实证明，找到一个简单的 ... 来解决这个问题非常困难。行星、恒星和卫星等三个天体之间的引力相互作用导致了一个混沌系统——一个复杂的系统，对每个天体的起始位置高度敏感。
目前解决这些问题的 ... 包括使用软件，这些软件可能需要数周甚至数月才能完成计算。因此，研究人员决定看看一个神经网络——一种松散地模仿大脑工作方式的人工智能识别模式——是否能做得更好。
相关：他们建立的11个最漂亮的数学方程
算法提供的精确解比最先进的软件快1亿倍程序，称为Brutus。剑桥大学的生物统计学家、arXiv数据库论文的作者之一Chris Foley说，这对天文学家试图理解星团的行为和宇宙更广泛的演化等方面来说是无价的，而arXiv数据库还没有得到同行的评论“乔布斯，应该能够在前所未有的时间框架内为我们提供解决方案，”他告诉《生活科学》因此，我们可以开始思考如何在更深层次的问题上取得进展，比如引力波是如何形成的。
神经网络在进行预测之前必须先接受数据的训练。因此，研究人员必须使用解决三体问题的现任领导者布鲁特斯（Brutus）生成9900个简化三体场景。
然后他们测试了神经网络对5000个未知场景进化的预测能力，发现其结果与布鲁特斯的结果非常吻合。然而，基于人工智能的程序平均只在几秒钟内就解决了这些问题，而这一时间只有近2分钟。
像布鲁特斯这样的程序之所以如此缓慢，是因为它们用暴力解决了问题，福利说，并对天体轨迹的每一小步进行了计算。另一方面，神经网络只是简单地观察这些计算所产生的运动，并推导出一种模式，这种模式有助于预测未来的情况将如何发展。
提出了一个扩大系统规模的问题，不过，福利说。当前的算法是一个概念的证明，从简化的场景中学习，但是在更复杂的场景中训练，甚至将涉及的尸体数量增加到五个中的四个，首先需要生成关于布鲁特斯的数据，这可能是非常耗时和昂贵的。
“我们训练一个性能惊人的神经网络的能力和我们实际获得训练数据的能力之间存在相互作用，”他说所以这里有一个瓶颈。
解决这个问题的一个 ... 是让研究人员创建一个使用类似Brutus的程序生成的数据的公共存储库。但首先，这需要创建标准协议，以确保所有数据都是一致的标准和格式，福利说，
还有一些问题需要用神经网络来解决，福利说。它只能运行一个设定的时间，但不可能提前知道一个特定的场景需要多长时间才能完成，所以算法在问题解决之前就已经没有动力了。
研究人员并没有设想神经网络单独工作，不过，福利说。他们认为最好的解决方案是像布鲁特斯这样的程序用神经网络完成大部分的腿部工作，只承担模拟中涉及更复杂计算的部分拥有这个软件。
“你创造了这个混合体，”福利说每次布鲁特斯被卡住时，你就用神经网络把它向前跳。然后你评估布鲁特斯是否已经变得不稳定。
物理学中18个最大的未解之谜宇宙记录保持者：宇宙中12个最大的物体超级智能机器：7个机器人未来最初发表在《生命科学》上。
特别申明：本文内容来源网络，版权归原作者所有，如有侵权请立即与我们联系（devmax@126.com），我们将及时处理。