Newton e la macchina. Immagine di sir Isaac Newton accanto a uno schema di una rete neurale profonda a 10 strati. In ogni livello (a parte il livello di input), un nodo prende l'input pesato dai nodi del livello precedente (più un bias) e quindi applica una funzione di attivazione prima di passare i dati al nodo successivo. I pesi (e il bias) sono parametri gratuiti che vengono aggiornati durante l'allenamento. Credito:arXiv:1910.07291 [astro-ph.GA]
Un piccolo team di ricercatori dell'Università di Edimburgo, l'Università di Cambridge, Campus Universita´rio de Santiago e Leiden University hanno sviluppato un modo per utilizzare una rete neurale profonda per risolvere il problema dei tre corpi. Hanno scritto un documento che descrive i loro sforzi e lo hanno caricato su arXiv server di prestampa.
Il problema dei tre corpi è semplice da descrivere, ma molto difficile da risolvere. Si tratta di calcolare dove tre corpi (come il sole, luna e Terra) saranno tutti ad un certo punto nel tempo, date le loro posizioni iniziali di partenza insieme alla loro massa, direzione corrente e quanto velocemente si stanno muovendo. I primi navigatori furono i primi a cercare di risolvere i problemi dei tre corpi:li aiutava a guidare le navi attraverso grandi specchi d'acqua come l'Oceano Atlantico. Ma tali sforzi erano soggetti a errori a causa dei modi caotici con cui la gravità esercita la sua influenza su tutti e tre i corpi quando interagiscono. Isaac Newton ha escogitato alcune equazioni che implicavano la descrizione delle posizioni vettoriali dei tre corpi, supponendo che ciascuno avesse una certa massa. Risolvere le equazioni ha comportato una lunga serie di iterazioni, ecco perché il metodo non è stato utilizzato fino a quando non sono stati inventati i computer. Ma anche adesso, con tutta la potenza e la potenza dei computer moderni, il processo è ancora lungo e laborioso. Sperando di trovare un modo più rapido per portare a termine il lavoro, i ricercatori con questo nuovo sforzo si sono chiesti se le reti neurali potessero essere all'altezza del compito. Per scoprirlo, hanno usato i risultati di un sistema convenzionale costruito per risolvere il problema, uno chiamato Brutus. Hanno fatto risolvere a Bruto 9, 900 scenari "facili" e alimentati i dati e i risultati alla loro rete neurale. Quindi, hanno fornito al sistema i propri scenari "facili" da risolvere e hanno confrontato come ha fatto con Brutus che lavorava sugli stessi scenari.
I ricercatori riferiscono che i risultati forniti dai due sistemi erano molto vicini, suggerendo che la rete neurale era abbastanza in grado di risolvere problemi a tre corpi, e lo ha fatto molto più velocemente. Brutus ha impiegato circa due minuti per risolvere i problemi "facili":la rete neurale ha prodotto risultati quasi identici in meno di un secondo. I ricercatori riconoscono che, sebbene molto veloce, il loro sistema è ancora limitato dalle capacità di sgranocchiare di Bruto:senza tali dati, il nuovo sistema non avrebbe nulla da cui imparare. Suggeriscono che il loro lavoro sia ancora nelle fasi iniziali, ma sperano che un giorno le reti neurali saranno in grado di risolvere problemi complessi, dando agli scienziati che studiano il cosmo uno strumento molto prezioso.
© 2019 Scienza X Rete
