用深度神经网络解决混沌三体问题(2019年)

下载PDF摘要：自从艾萨克·牛顿爵士提出以来，三个物体在自身引力作用下的运动方程的求解问题实际上一直没有解决。目前，给定初始化的解决方案只能通过执行繁琐的迭代计算来找到，这些迭代计算具有不可预测的和潜在的无限计算成本，这是由于系统的混沌性质。我们证明，使用任意精度的数值积分器获得的解的集合可以用来训练深度神经网络(ANN)，它在有限的时间间隔内，以固定的计算代价提供精确的解，并且比最先进的求解器快1亿倍。我们的结果证明，对于具有计算挑战性的相空间区域，训练有素的人工神经网络可以取代现有的数值求解器，使得多体系统的快速和可扩展的模拟能够阐明一些突出的现象，如黑洞双星系统的形成或致密星团中核心塌缩的起源。