- Os investigadores resolveram um conjunto de exemplos simples do caótico problema dos três corpos.
- As viagens espaciais e a maioria dos sistemas da vida real são caóticas, tornando esta pesquisa valiosa.
- As redes neurais têm o potencial de resolver, ou pelo menos modelar, problemas caóticos melhor que os supercomputadores tradicionais.
Os cientistas de computação mostraram que uma rede neural especial é provavelmente capaz de resolver exemplos mais simples do problema caótico dos três corpos, relata o Tech Xplore. Se os resultados parecem difíceis de analisar, é porque o problema dos três corpos e suas implicações também são bastante difíceis de analisar.
O problema dos três corpos é um braço da cosmologia, onde os “corpos” são celestiais, como calcular onde os planetas estão em relação uns aos outros ao longo do tempo. (O autor chinês de ficção científica Liu Cixin usou o termo como trocadilho para o título do seu romance de 2015, vencedor do Prêmio Hugo, sobre astrofísicos assassinados). As aplicações vão desde os primeiros navegadores de naves de baixa tecnologia até teorias modernas de voos espaciais como a ajuda da gravidade, e a complexidade matemática do problema em si tornou-o interessante tanto para matemáticos como para cientistas da computação por muitos anos.
Por vezes pensamos no espaço como vazio por causa de conceitos errados populares, mas mesmo no vácuo relativo, o espaço é preenchido com campos de gravidade em choque, campos magnéticos, ventos solares (um nome errado, porque não há ar), e mais. Tudo é empurrado e puxado por forças diferentes – tantas forças e com tal complexidade que os “três corpos” são quase completamente imprevisíveis de momento em momento, mesmo que saibamos onde eles estavam apenas um instante antes.
No passado, os cientistas relegavam comportamentos “caóticos” como o problema dos três corpos para uma ilha empoeirada por problemas de desajuste. À medida que os supercomputadores se tornaram mais poderosos, esses cientistas perceberam que poderiam usar o poder computacional rapidamente crescente para marretas em problemas complicados de matemática. Por sua vez, as redes neurais artificiais oferecem um passo à frente da simples supercomputação.
Essas máquinas, inspiradas em processos biológicos reais encontrados na natureza, podem modelar mais de perto o caos devido à sua capacidade de trabalhar em problemas não lineares. Quando nós (ou mesmo macacos e outros primatas não humanos) vemos alguém colocar dois itens juntos, não esperamos encontrar três itens como a soma. Este é um processo linear, onde usamos nosso conhecimento das entradas para prever saídas proporcionais.
Num sistema não-linear como o caótico problema dos três corpos, todas as apostas estão desligadas, e nossas intuições estão embaralhadas. Grande parte da ciência aplicada envolve sistemas não lineares e resolução de problemas. Até agora, os cientistas não conseguiram resolver o problema dos três corpos a não ser em formatos muito defenidos: o problema dos dois corpos é resolvido, e os cientistas podem resolver o que chamam um problema “restrito” de três corpos, que é quando um corpo é tão insignificante em massa que basicamente desaparece na equação.
Pense nisto como tomar a derivada de uma equação, quando uma constante simplesmente cai para se tornar 0-ou calculando n-complexidade na ciência da computação, quando o expoente ou log é geralmente tudo o que importa, e outras informações são descartadas.
Tudo isso significa que uma rede neural que pode modelar e resolver até mesmo formas simples do caótico problema dos três corpos, onde os três corpos são atores independentes estatisticamente significativos, é um grande negócio. Esses pesquisadores – da Universidade de Edimburgo, Universidade de Cambridge, Campus Universitário de Santiago e Universidade de Leiden – colocaram sua rede neural contra um supercomputador tradicional treinado para resolver problemas mais simples de três corpos, e dizem que sua rede resolveu esses exemplos muito, muito mais rápido.
Mas há complicações. Ter um supercomputador especializado já existente para dar as respostas aos seus exemplos significa que os cientistas tinham uma chave de resposta pronta para verificar – sem este recurso, não é claro que uma rede neural geraria prontamente respostas corretas por si só, especialmente porque os problemas se tornaram mais complexos. Uma aprendizagem profunda de máquinas como a usada pelas redes neurais é algo como uma caixa preta.
Além disso, os próprios pesquisadores concluem que sua rede neural aproximou-se dos resultados concretos do supercomputador tradicional. Como o uso do 3.14 em vez do próprio pi, este tipo de aplicação quase sempre tem ressalvas. A nova pesquisa é excitante, mas não representa um passo à frente claro e concreto sem muito mais contexto e entradas externas.