KI löst Dreikörperproblem 100 Millionen Mal schneller als klassische Solver

Deep Neural Network emuliert chaotische Dynamik statt zu berechnen

Dreikörperproblem (3 Massen, gegenseitige Gravitation, Newtonsche Gesetze): Keine geschlossene Lösung seit 300 Jahren. Numerische Integration (Brutus-Solver) extrem rechenintensiv, Ergebnisse oft vage.

KI-Ansatz: Edinburgh-Forscher trainieren DNN

Datenbank: 10.000 Dreikörperprobleme (gleiche Masse, Null-Anfangsgeschwindigkeit, zufällige Startpositionen), gelöst mit Brutus
9.900 Trainings-, 100 Validierungssamples
Test: 5.000 neue Szenarien vs. Brutus

Ergebnis

Netzwerk berechnet nicht, sondern vorhersagt zukünftige Bewegung (Training-Wissen)
Emuliert Divergenz benachbarter Trajektorien → matcht Brutus-Simulationen
Fester Zeitintervall, Energieerhaltung: Fehler 0,00001
100 Millionen Mal schneller als Brutus bei fixer Rechenkosten

Hybridsystem & Ausweitung

Einsatz wenn Brutus rechnerisch überfordert: NN springt ein, bis Situation beherrschbar. Anwendbar: Himmelsmechanik (Kugelsternhaufen, Galaxienkerne). Erweitbar auf 4/5-Körper-Probleme.

Quelle: arXiv:1910.07291

AeroSlider: Schwebender Zug-Konzept mit 800+ km/h – Alternative zum Flugverkehr Echtzeit-Portamento-Algorithmus verbindet beliebige Audiosignale nahtlos

Industrietechnik

Herstellungsprozess

3d Drucken

Automatisierungssteuerung System

Industrietechnik