La IA puede resolver un problema de tres cuerpos 100 millones de veces más rápido

• Los investigadores entrenan redes neuronales profundas en bases de datos que contienen problemas de tres cuerpos y sus soluciones.
• Sorprendentemente, la red predice soluciones precisas a un costo computacional fijo y hasta 100 millones de veces más rápido que el solucionador existente.

Durante más de 3 siglos, matemáticos y físicos se han preguntado sobre el problema de los tres cuerpos:un problema de calcular el movimiento de tres cuerpos que se mueven sin otra influencia que la de su gravitación mutua.

Más específicamente, si toma las posiciones y velocidades iniciales de masas de tres puntos y resuelve sus movimientos sucesivos de acuerdo con las leyes de Newton del movimiento y la gravitación universal, no encontrará ninguna solución general.

Esto es lo que es un problema de tres cuerpos. A diferencia de los problemas de dos cuerpos, no existe una solución general de forma cerrada, excepto por un pequeño conjunto de escenarios simples como planetas idénticos que se mueven en órbitas idénticas.

Aunque la invención de computadoras poderosas ha permitido a los físicos evaluar iterativamente las posiciones de estas masas puntuales, requiere una gran cantidad de recursos de cálculo. E incluso entonces, las soluciones siguen siendo vagas.

Para abordar de manera eficiente este problema, los investigadores de la Universidad de Edimburgo en Escocia han utilizado un modelo de inteligencia artificial (IA). Sorprendentemente, pudieron extraer soluciones precisas a un costo computacional fijo y hasta 100 millones de veces más rápido que el solucionador existente.

Entrenamiento y validación de redes neuronales

El equipo de investigación entrenó redes neuronales en una base de datos de problemas de tres cuerpos. Esta base de datos contenía soluciones calculadas por un solucionador novedoso.

Para simplificar las cosas, comenzaron con problemas simples que involucraban tres cuerpos con igual masa y velocidad inicial cero. Seleccionaron puntos de partida arbitrarios y resolvieron el movimiento de tres cuerpos utilizando un método novedoso llamado Brutus. Este proceso se repitió diez mil veces.

Utilizaron 9,900 muestras para entrenar la red neuronal y 100 para validarla. Para probar esta red, luego ejecutaron 5,000 escenarios completamente nuevos y compararon los resultados con los calculados por Brutus.

Referencia:arXiv:1910.07291

La red en realidad no calcula el movimiento futuro de tres cuerpos, sino que predice con precisión el movimiento futuro (utilizando el conocimiento adquirido en la fase de entrenamiento). Más específicamente, emula la divergencia entre trayectorias vecinas, lo que se asemeja mucho a las simulaciones de Brutus.

Simulación de un problema corporal en 3D

En este estudio, las soluciones predichas de la red neuronal artificial profunda durante un intervalo de tiempo fijo y cumplieron las condiciones de conservación de energía con un error de 0.00001

Este tipo de red se puede utilizar en situaciones en las que los problemas de tres cuerpos se vuelven computacionalmente inviables para Brutus. Podría ser parte de un sistema híbrido en el que Brutus realizará todos los cálculos pesados, pero cuando las cosas se salgan de control, la red intervendrá hasta que la situación vuelva a ser aceptable.

Por ejemplo, las redes neuronales se pueden utilizar para simular con precisión el movimiento de los objetos celestes dentro de los cúmulos de estrellas globulares y núcleos galácticos, utilizando menos recursos computacionales.

Leer:Explicando la física cuántica a través de la poesía

También es posible entrenar redes neuronales en problemas más complejos, incluidos problemas de 4 y 5 cuerpos, para disminuir la carga computacional en gran medida.