人工智能可以解决困扰科学家许久的“三体问题”

牛顿最早在17世纪提出了三体问题，但事实证明，要想用简单的方法来解决这一问题可谓极其困难。三个天体（如行星、恒星和卫星等等）之间的引力相互作用会形成一个混沌系统，而这类系统十分复杂，且对各个天体的初始状态高度敏感。

有研究人员尝试利用软件解决三体问题，但往往需耗费数周、甚至数月时间才能完成计算。因此研究人员决定试一试神经网络。这是一种规律识别类型的人工智能，大致模拟了大脑的运作机制。而他们打造的算法精确求解的速度比目前最先进的软件程序Brutus还要快1亿倍。这对研究星团行为和宇宙演变过程的天文学家而言，将是一份“无价之宝”。这套神经网络系统若能正常运作，得出答案的速度将达到前所未有的水平。这样一来，我们就可以进一步研究更深层次的问题了，例如“引力波是如何形成的”等等。

神经网络在具备预测能力之前，必须先通过输入大量数据进行训练。因此，研究人员先用Brutus软件生成了9900个简化版的三体问题情境，用于训练神经网络。接下来，研究人员再用5000个新情境对这套神经网络进行测试，看其能否精确预测出这些情境的演变轨迹。结果发现，其预测结果不仅与Brutus非常接近，并且转瞬间便可完成计算。而相比之下，Brutus的平均计算时间将近2分钟。

Brutus之类的程序之所以计算得这么慢，是因为它们采用了“蛮力计算法”，即穷举法，对天体轨迹的每一小步都要进行计算。而神经网络则仅仅分析了由这些计算产生的运动轨迹、并从中归纳出相应规律，借此预测系统未来的演变结果。

但对于规模更大、更复杂的系统来说，情况就没这么简单了。这套算法目前仅处于概念验证阶段，只学习了一些简化版情境，但如果要用更复杂的系统、甚至“四体系统”、“五体系统”进行训练，就首先要用Brutus生成大量数据，这样不仅耗时甚长、且费用高昂。这就是这套神经网络目前遭遇的瓶颈。

要想解决这一问题，可以让多位研究人员先用Brutus之类的程序打造一个通用数据库。但这需要先制定一套标准协议，确保所有数据都符合标准、且形式统一。

此外，该神经网络本身还有一些问题需要解决。比如，它目前只能按规定时长运行，但我们不可能提前预知某个情境需要多久才能完成演化，因此该算法可能在问题得到解决之前，就已经“弹尽粮绝”了。

不过，研究人员并未打算让这套神经系统独挑大梁，他们认为最好让Brutus之类的程序做大部分“苦力活”，而神经网络则只负责需要进行复杂计算的模拟部分。（叶子）