AI Selesaikan Masalah Tiga-Tubuh 100 Juta Kali Lebih Cepat dari Metode Tradisional

• Peneliti melatih jaringan syaraf dalam pada database yang berisi masalah tiga-tubuh dan solusinya.
• Terkembang, jaringan memprediksi solusi yang akurat dengan biaya komputasi tetap dan hingga 100 juta kali lebih cepat dari solver yang ada.

Selama lebih dari 3 abad, matematikawan dan fisikawan telah bingung dengan masalah tiga-tubuh: masalah menghitung gerakan tiga tubuh yang bergerak tanpa pengaruh lain selain gravitasi saling mereka.

Lebih spesifik, jika Anda mengambil posisi awal dan kecepatan tiga titik massa dan menyelesaikan gerakan seterusnya mereka sesuai dengan hukum gerak Newton dan gravitasi universal, Anda tidak akan menemukan solusi umum apa pun.

Inilah masalah tiga-tubuh. Berbeda dengan masalah dua-tubuh, tidak ada solusi bentuk tertutup umum, kecuali untuk himpunan kecil skenario sederhana seperti planet identik yang bergerak dalam orbit identik.

Meskipun penemuan komputer canggih telah memungkinkan fisikawan untuk mengevaluasi secara iteratif posisi titik massa ini, membutuhkan sumber daya komputasi yang sangat besar. Dan bahkan pada titik itu, solusi tetap samar.

Untuk menangani masalah ini secara efisien, peneliti dari Universitas Edinburgh di Skotlandia telah menggunakan model kecerdasan buatan (AI). Tersenyum, mereka mampu mengekstrak solusi yang akurat dengan biaya komputasi tetap dan hingga 100 juta kali lebih cepat dari solver yang ada.

Pelatihan dan Validasi Jaringan Syaraf

Tim peneliti melatih jaringan syaraf pada database masalah tiga-tubuh. Database ini berisi solusi yang dihitung oleh solver baru.

Untuk menjaga kesederhanaan, mereka memulai dengan masalah sederhana yang melibatkan tiga tubuh dengan massa sama dan kecepatan awal nol. Mereka memilih titik awal sembarikan dan menyelesaikan gerakan tiga-tubuh menggunakan metode baru yang disebut Brutus. Proses ini diulang sepuluh ribu kali.

Menggunakan 9.900 sampel untuk melatih jaringan syaraf dan 100 untuk memvalidasinya. Untuk menguji jaringan ini, kemudian mereka mengeksekusi 5.000 skenario yang sepenuhnya baru dan membandingkan hasilnya dengan yang dihitung oleh Brutus.

Referensi: arXiv:1910.07291

Jaringan sebenarnya tidak menghitung gerakan masa depan tiga tubuh, alih-alih, ia secara akurat memprediksi gerakan masa depan (menggunakan pengetahuan yang diperoleh dalam fase pelatihan). Lebih spesifik, ia meniru divergensi antara trajetur tetangga, yang cocok dengan simulasi Brutus.

Simulasi masalah tiga-tubuh 3D

Dalam studi ini, solusi yang diprediksi oleh jaringan syaraf buatan dalamal dalam interval waktu tetap dan memenuhi kondisi konservasi energi dengan kesalahan 0,00001

Jenis jaringan ini dapat digunakan dalam situasi ketika masalah tiga-tubuh menjadi tidak dapat dilakukan komputasional untuk Brutus. Ini dapat menjadi bagian dari sistem hibrida di mana Brutus akan melakukan semua perhitungan berat, tetapi ketika hal-hal keluar dari kendali, jaringan akan campur tangan hingga situasi menjadi dapat diterima lagi.

Misalnya, jaringan syaraf dapat digunakan untuk mensimulasikan gerakan objek langit di dalam kluster bintang globular dan inti galaksi, menggunakan sumber daya komputasi yang lebih sedikit.

Baca: Explaining Quantum Physics Through Poetry

Juga memungkinkan untuk melatih jaringan syaraf pada masalah yang lebih kompleks, termasuk masalah 4 dan 5-tubuh, untuk mengurangi beban komputasi hingga tingkat besar.