Newton y la máquina. Imagen de sir Isaac Newton junto a un esquema de una red neuronal profunda de 10 capas. En cada capa (aparte de la capa de entrada), un nodo toma la entrada ponderada de los nodos de la capa anterior (más un sesgo) y luego aplica una función de activación antes de pasar datos al siguiente nodo. Los pesos (y el sesgo) son parámetros libres que se actualizan durante el entrenamiento. Crédito:arXiv:1910.07291 [astro-ph.GA]
Un pequeño equipo de investigadores de la Universidad de Edimburgo, la Universidad de Cambridge, El Campus Universitario de Santiago y la Universidad de Leiden han desarrollado una forma de utilizar una red neuronal profunda para resolver el problema de los tres cuerpos. Han escrito un artículo describiendo sus esfuerzos y lo han subido a la arXiv servidor de preimpresión.
El problema de los tres cuerpos es simple de describir, pero muy dificil de resolver. Implica calcular dónde tres cuerpos (como el sol, la luna y la Tierra) estarán en un determinado momento, dadas sus posiciones iniciales junto con su masa, dirección actual y qué tan rápido se mueven. Los primeros navegantes fueron los primeros en intentar resolver problemas de tres cuerpos:les ayudó a dirigir barcos a través de grandes masas de agua como el Océano Atlántico. Pero tales esfuerzos eran propensos a errores debido a las formas caóticas en que la gravedad ejerce su influencia en los tres cuerpos cuando interactúan. Isaac Newton ideó algunas ecuaciones que implicaban describir las posiciones vectoriales de los tres cuerpos, suponiendo que cada uno tuviera una determinada masa. Resolver las ecuaciones involucró una larga serie de iteraciones, razón por la cual el método no se utilizó hasta que se inventaron las computadoras. Pero incluso ahora con todo el poder y la fuerza de las computadoras modernas, el proceso es todavía largo y laborioso. Con la esperanza de encontrar una forma más rápida de hacer el trabajo, los investigadores con este nuevo esfuerzo se preguntaron si las redes neuronales podrían estar a la altura de la tarea. Descubrir, utilizaron los resultados de un sistema convencional construido para resolver el problema, uno llamado Brutus. Hicieron que Brutus resolviera 9, 900 escenarios "fáciles" y alimentaron los datos y resultados a su red neuronal. Luego, le dieron al sistema sus propios escenarios "fáciles" de resolver y compararon cómo le fue con Brutus trabajando en los mismos escenarios.
Los investigadores informan que los resultados dados por los dos sistemas fueron muy cercanos, sugiriendo que la red neuronal era bastante capaz de resolver problemas de tres cuerpos, y lo hizo mucho más rápido. Brutus tardó aproximadamente dos minutos en resolver los problemas "fáciles":la red neuronal produjo resultados casi idénticos en menos de un segundo. Los investigadores reconocen que, si bien es muy rápido, su sistema todavía está limitado por las habilidades crujientes de Brutus, sin tales datos, el nuevo sistema no tendría nada de qué aprender. Sugieren que su trabajo aún se encuentra en las primeras etapas, pero esperan que algún día las redes neuronales puedan resolver problemas de muchos cuerpos. dando a los científicos que estudian el cosmos una herramienta muy valiosa.
© 2019 Science X Network
