IA resuelve el problema de los tres cuerpos 100 millones de veces más rápido que métodos tradicionales

Investigadores entrenan redes neuronales profundas en bases de datos con problemas de tres cuerpos y sus soluciones.

Sorprendentemente, la red predice soluciones precisas a coste computacional fijo y hasta 100 millones de veces más rápido que el solucionador existente.

Entrenamiento y validación de red neuronal

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

Para simplificar, empezaron con problemas simples de tres cuerpos con masa igual y velocidad inicial cero. Seleccionaron puntos de partida arbitrarios y resolvieron movimiento de tres cuerpos con método novedoso llamado Brutus. Proceso repetido diez mil veces.

Usaron 9.900 muestras para entrenar y 100 para validar. Para probar, ejecutaron 5.000 escenarios nuevos y compararon resultados con Brutus.

Referencia: arXiv:1910.07291

La red no calcula realmente el movimiento futuro de tres cuerpos, sino que predice con precisión el movimiento futuro (usando conocimiento de fase de entrenamiento). Más específicamente, emula la divergencia entre trayectorias vecinas, que coincide estrechamente con simulaciones Brutus.

Simulación de problema de 3 cuerpos en 3D

En este estudio, las soluciones predichas por la red neuronal profunda artificial sobre intervalo temporal fijo cumplieron condiciones de conservación de energía con error de 0,00001.

Este tipo de red puede usarse cuando problemas de tres cuerpos sean computacionalmente inviables para Brutus. Podría ser parte de sistema híbrido donde Brutus haga cálculos pesados pero cuando las cosas se descontrolen, la red intervenga hasta que la situación sea aceptable de nuevo.

Por ejemplo, redes neuronales pueden simular con precisión movimiento de objetos celestes en cúmulos globulares y núcleos galácticos, usando menos recursos computacionales.

También es posible entrenar redes en problemas más complejos, incluyendo 4 y 5 cuerpos, para reducir carga computacional enormemente.