Команда использовала 10 тыс. примеров для обучения нейросети и 100 для их проверки. Теперь они тестируют сеть с 5 тыс. совершенно новыми ситуациями и сравнивают их результаты с вычислениями человека.
Результаты показали, что нейронная сеть точно предсказывает потенциальное движение трех тел и, в частности, правильно имитирует расхождения между близлежащими траекториями. «Мы показали, что глубокие искусственные нейронные сети дают быстрые и точные решения сложной задачи за фиксированный промежуток времени», — отметили исследователи.
Более того, они проверяют показания нейросети, отмечая, насколько хорошо он экономит энергию во время работы. С помощью нескольких корректировок прогнозы сети соответствуют условиям энергосбережения с погрешностью всего в 5–10 раз.
У этого результата есть значительный потенциал, добавили ученые. В частности, нейронная сеть может помочь решить проблемы трех тел в ситуациях, которые становятся вычислительно невыполнимыми для человека.
Таким образом, нейронные сети должны позволить моделировать движение небесных тел внутри галактических ядер и шаровых скоплений звезд намного точнее, чем когда-либо ранее.