自艾萨克 牛顿年代以来，猜测三个天体怎么彼此绕转运转所需的令人费解的核算就一向困扰着物理学家。现在人工智能现已标明，它可以在极短时刻内处理这样的一个问题。
牛顿是17世纪第一个提出这样的一个问题的人，但事实证明，找到一个简略的办法来处理这样的一个问题十分困难。行星、恒星和卫星等三个天体之间的引力彼此作用导致了一个混沌体系，它对每个天体的开端方位高度灵敏。
现在处理这样一些问题的办法是运用软件核算，这些软件或许需求数周乃至数月才干完结核算。因而，研究人员决议运用人工神经网络（一种可以大略模仿大脑工作方式的人工智能的形式），看看它是否能做得更好。
他们树立的算法供给了准确的处理方案，比最先进的软件程序布鲁特斯快1亿倍。该论文作者剑桥大学的生物统计学家克里斯·弗利说：“这关于天文学家企图了解星团的行为和世界更广泛的演化等状况来说，或许是无价的。”这篇论文宣布在arXiv预印本服务器上，现在还没有正真获得同行的谈论。
“这个神经网络，假如做得好的话，应该可以在史无前例的时刻结构内为咱们供给处理方案。因而，咱们我们可以开端考虑在更深层次的问题上获得开展，比方引力波是怎么构成的。”该论文作者说。
神经网络在进行猜测之前，有必要经过输入数据进行练习。因而，研究人员不得不运用处理三体问题的软件程序布鲁特斯生成9900个简化的三体场景。
然后他们测试了神经网络对5000个不知道场景的猜测才干，发现其成果与布鲁特斯的成果十分符合。但是，这个根据人工智能的程序只在几秒钟内就处理了这样一些问题，而布鲁特斯要花费将近2分钟的时刻。
“像布鲁特斯这样的程序之所以如此缓慢，是因为它们用暴力算法处理了这样的一个问题，它对天体轨道的每一个细小过程都进行了核算。”弗利说，“另一方面，神经网络仅仅简略地调查这些核算发生的运动，并推断出一种形式，可以在必定程度上协助猜测未来的情形将怎么开展。”
不过这给扩展这个体系带来了一个问题。当时的算法是一个概念证明，并从简化的场景中学习，但在更杂乱的场景中练习，数据量将大幅添加。而这些数据需求由布鲁特斯生成，这或许十分耗时和贵重。
神经网络还有一些问题需求处理。它只能运转一段设定的时刻，不或许预先知道某个特定场景需求多长时刻才干完结，因而算法或许在问题处理之前就会耗尽能量。
