Perhitungan yang membutukan pikiran diperlukan untuk memprediksi bagaimana tiga benda langit saling mengorbit yang telah membingungkan fisikawan sejak zaman Sir Isaac Newton. Sekarang kecerdasan buatan (A.I.) telah menunjukkan bahwa ia dapat memecahkan masalah dalam waktu yang dibutuhkan oleh pendekatan sebelumnya.
Newton adalah orang pertama yang merumuskan masalah di abad ke-17, tetapi menemukan cara sederhana untuk menyelesaikannya terbukti sangat sulit. Interaksi gravitasi antara tiga benda langit seperti planet, bintang dan bulan menghasilkan sistem kacau - yang kompleks dan sangat sensitif terhadap posisi awal setiap tubuh.
Pendekatan saat ini untuk menyelesaikan masalah ini melibatkan penggunaan perangkat lunak yang dapat memakan waktu berminggu-minggu atau bahkan berbulan-bulan untuk menyelesaikan perhitungan. Jadi peneliti memutuskan untuk melihat apakah jaringan saraf - jenis pola yang mengenali A.I. yang secara longgar meniru cara kerja otak - bisa berbuat lebih baik.
Algoritma yang mereka bangun memberikan solusi akurat hingga 100 juta kali lebih cepat daripada program perangkat lunak paling canggih, yang dikenal sebagai Brutus. Itu bisa membuktikan sangat berharga bagi para astronom yang mencoba memahami hal-hal seperti perilaku gugus bintang dan evolusi alam semesta yang lebih luas, kata Chris Foley, seorang biostatistician di University of Cambridge dan rekan penulis makalah ke database arXiv, yang belum untuk ditinjau sejawat.
"Jaringan saraf ini, jika melakukan pekerjaan dengan baik, harus dapat memberikan kami solusi dalam kerangka waktu yang belum pernah terjadi sebelumnya," katanya kepada Live Science. "Jadi kita bisa mulai berpikir untuk membuat kemajuan dengan pertanyaan yang jauh lebih dalam, seperti bagaimana gelombang gravitasi terbentuk."
Jaringan saraf harus dilatih dengan diberi makan data sebelum mereka dapat membuat prediksi. Jadi para peneliti harus menghasilkan 9.900 skenario tiga tubuh disederhanakan menggunakan Brutus, pemimpin saat ini ketika datang untuk memecahkan masalah tiga tubuh.
Mereka kemudian menguji seberapa baik jaringan syaraf dapat memprediksi evolusi dari 5.000 skenario yang tidak terlihat, dan menemukan hasilnya sangat cocok dengan Brutus. Namun, program berbasis A.I memecahkan masalah dalam rata-rata hanya sepersekian detik, dibandingkan dengan hampir 2 menit.
Alasan mengapa program seperti Brutus sangat lambat adalah karena mereka memecahkan masalah dengan kekerasan, kata Foley, melakukan perhitungan untuk setiap langkah kecil dari lintasan benda langit. Jaringan syaraf, di sisi lain, hanya melihat pergerakan perhitungan yang menghasilkan dan menyimpulkan pola yang dapat membantu memprediksi bagaimana skenario masa depan akan dimainkan.
Itu menghadirkan masalah untuk meningkatkan sistem, meskipun, kata Foley. Algoritme saat ini adalah bukti konsep dan dipelajari dari skenario yang disederhanakan, tetapi pelatihan yang lebih kompleks atau bahkan meningkatkan jumlah badan yang terlibat menjadi empat dari lima pertama mengharuskan Anda untuk menghasilkan data di Brutus, yang bisa sangat waktu- mengkonsumsi dan mahal.
"Ada interaksi antara kemampuan kita untuk melatih jaringan saraf yang berkinerja fantastis dan kemampuan kita untuk benar-benar mendapatkan data untuk melatihnya," katanya. "Jadi ada hambatan di sana."
Salah satu cara mengatasi masalah itu bagi para peneliti untuk membuat repositori umum dari data yang dihasilkan menggunakan program-program seperti Brutus. Tetapi pertama-tama itu akan memerlukan pembuatan protokol standar untuk memastikan data semua standar dan format yang konsisten, kata Foley.
Masih ada beberapa masalah untuk diselesaikan dengan jaringan syaraf juga, kata Foley. Itu dapat berjalan hanya untuk waktu yang ditentukan, tetapi tidak mungkin untuk mengetahui sebelumnya berapa lama skenario tertentu akan selesai, sehingga algoritma dapat kehabisan tenaga sebelum masalah diselesaikan.
Para peneliti tidak membayangkan jaringan saraf bekerja dalam isolasi, kata Foley. Mereka berpikir solusi terbaik adalah untuk program seperti Brutus untuk melakukan sebagian besar kerja keras dengan jaringan saraf, hanya mengambil bagian-bagian dari simulasi yang melibatkan perhitungan yang lebih rumit yang menghambat perangkat lunak.
"Kamu membuat hybrid ini," kata Foley. "Setiap kali Brutus macet, kamu menggunakan jaringan saraf dan menyorongkannya ke depan. Dan kemudian kamu menilai apakah Brutus telah melepaskan diri atau tidak."
