L’intelligence artificielle : un nouveau réseau neuronal promet de trouver des solutions jusqu’à 100 millions de fois plus vite que les techniques existantes. Le problème des trois corps, l’un des calculs les plus notoirement complexes de la physique, a peut-être trouvé son équivalent en France
Formulé pour la première fois par Sir Isaac Newton, le problème des trois corps consiste à calculer le mouvement de trois corps en interaction gravitationnelle – comme la Terre, la Lune et le Soleil, par exemple – à partir de leurs positions et vitesses initiales.
Cela peut sembler simple au premier abord, mais le mouvement chaotique qui en résulte a laissé les mathématiciens et les physiciens perplexes pendant des centaines d’années, à tel point que tous les humains, à l’exception des plus dévoués, ont essayé d’éviter autant que possible d’y penser.
C’est pourquoi les chronomètres sont devenus plus populaires pour calculer les positions en mer plutôt que d’utiliser la Lune et les étoiles – c’était moins difficile à comprendre.
Aujourd’hui, le problème des trois corps est un élément important pour comprendre comment les trous noirs binaires peuvent interagir avec les trous noirs simples et, à partir de là, comment certains des objets les plus fondamentaux de l’Univers interagissent entre eux.
C’est là qu’intervient le réseau neuronal produit par des chercheurs de l’université d’Édimbourg et de l’université de Cambridge au Royaume-Uni, de l’université d’Aveiro au Portugal et de l’université de Leyde aux Pays-Bas.
L’équipe a mis au point un réseau neuronal artificiel profond (ANN), entraîné sur une base de données de problèmes à trois corps existants, ainsi qu’une sélection de solutions déjà laborieusement élaborées. Le réseau neuronal artificiel s’est révélé très prometteur pour obtenir des réponses précises beaucoup plus rapidement qu’aujourd’hui.
“Une ANN entraînée peut remplacer les solveurs numériques existants, permettant des simulations rapides et évolutives de systèmes à plusieurs corps afin de faire la lumière sur des phénomènes exceptionnels tels que la formation de systèmes binaires à trous noirs ou l’origine de l’effondrement du noyau dans les amas d’étoiles denses”, écrivent les chercheurs dans leur article.
Les chercheurs ont simplifié le processus en n’incluant que trois particules de masse égale dans un plan, toutes partant avec une vitesse nulle, et ont ensuite exécuté 10 000 fois un solveur de problèmes à trois corps existant appelé Brutus (9 900 fois pour l’apprentissage et 100 fois pour la validation).
Sur la base de cette formation, le nouveau réseau neuronal a ensuite été soumis à 5 000 nouveaux scénarios, dont les résultats ont été comparés aux prédictions de Brutus. Les résultats ont été comparés aux prédictions de Brutus. Le réseau neuronal a reproduit les résultats de Brutus de manière impressionnante.
Différents types de réseaux neuronaux – basés sur le traitement et la pondération des décisions qui se déroulent dans le cerveau humain – ont déjà été utilisés pour produire du death metal, générer de faux visages et résoudre certains des plus grands problèmes de physique.
Ils nous permettent de prendre des raccourcis informatiques, mais intelligents, pour trouver des réponses plus rapidement tout en obtenant le bon résultat final.
Cette nouvelle étude présente certaines limites : les travaux doivent encore être examinés par d’autres scientifiques et ils comportent certaines simplifications et hypothèses concernant les scénarios à trois corps, ce qui signifie qu’il s’agit plutôt d’une preuve de concept à ce stade.
Elle montre toutefois que des réseaux neuronaux entraînés pourraient être en mesure de travailler aux côtés de Brutus et de systèmes similaires, en intervenant lorsque les calculs à trois corps deviennent trop complexes pour nos modèles actuels.
“À terme, nous envisageons que ce réseau puisse être formé à des problèmes chaotiques plus riches, tels que les problèmes à quatre ou cinq corps, ce qui réduirait encore davantage la charge de calcul”, concluent les chercheurs dans leur article.
Cette recherche n’a pas encore été publiée dans une revue à comité de lecture, mais elle peut être lue sur le serveur de préimpression arXiv.org.