據國外媒體報導，自牛頓時代起，如何預測三個圍繞彼此旋轉的天體的運動路徑一直令物理學家頭痛不已。而如今利用人工智能技術，片刻時間便可解決這一問題。

牛頓最早在17世紀提出了三體問題，但事實證明，要想用簡單的方法來解決這一問題可謂極其困難。三個天體（如行星、恆星和衛星等等）之間的引力相互作用會形成一個混沌系統，而這類系統十分複雜，且對各個天體的初始狀態高度敏感。

有研究人員嘗試利用軟件解決三體問題，但往往需耗費數週、甚至數月時間才能完成計算。因此研究人員決定試一試神經網絡。這是一種規律識別類型的人工智能，大致模擬了大腦的運作機制。而他們打造的算法精確求解的速度比目前最先進的軟件程序Brutus還要快1億倍。這對研究星團行為和宇宙演變過程的天文學家而言，將是一份“無價之寶”。這套神經網絡系統若能正常運作，得出答案的速度將達到前所未有的水平。這樣一來，我們就可以進一步研究更深層次的問題了，例如“引力波是如何形成的”等等。

神經網絡在具備預測能力之前，必須先通過輸入大量數據進行訓練。因此，研究人員先用Brutus軟件生成了9900個簡化版的三體問題情境，用於訓練神經網絡。接下來，研究人員再用5000個新情境對這套神經網絡進行測試，看其能否精確預測出這些情境的演變軌跡。結果發現，其預測結果不僅與Brutus非常接近，並且轉瞬間便可完成計算。而相比之下，Brutus的平均計算時間將近2分鐘。

Brutus之類的程序之所以計算得這麼慢，是因為它們採用了“蠻力計算法”，即窮舉法，對天體軌蹟的每一小步都要進行計算。而神經網絡則僅僅分析了由這些計算產生的運動軌跡、並從中歸納出相應規律，藉此預測系統未來的演變結果。

但對於規模更大、更複雜的系統來說，情況就沒這麼簡單了。這套算法目前僅處於概念驗證階段，只學習了一些簡化版情境，但如果要用更複雜的系統、甚至“四體系統”、“五體系統”進行訓練，就首先要用Brutus生成大量數據，這樣不僅耗時甚長、且費用高昂。這就是這套神經網絡目前遭遇的瓶頸。

要想解決這一問題，可以讓多位研究人員先用Brutus之類的程序打造一個通用數據庫。但這需要先制定一套標準協議，確保所有數據都符合標準、且形式統一。

此外，該神經網絡本身還有一些問題需要解決。比如，它目前只能按規定時長運行，但我們不可能提前預知某個情境需要多久才能完成演化，因此該算法可能在問題得到解決之前，就已經“彈盡糧絕”了。

不過，研究人員並未打算讓這套神經系統獨挑大樑，他們認為最好讓Brutus之類的程序做大部分“苦力活”，而神經網絡則只負責需要進行複雜計算的模擬部分。（葉子）