Vaikka Isaac Newton esitti painovoiman peruslain jo vuonna 1687, emme vielä tänä päivänäkään osaa muotoilla ratkaisua, joka pystyisi kuvaamaan minkä tahansa kolmen toistensa kanssa vuorovaikuttavan kappaleen radat.

"Se on yksinkertaisimpia fysikaalisia ongelmia, joille ei voida kirjoittaa ratkaisua. Yleistä kolmen kappaleen ongelmaa ei voida ratkaista, koska on tilanteita, joissa tarkka ratkaisu on matemaattisesti laskennallisesti mahdoton", toteaa Harry Lehto Turun yliopiston Tuorlan observatoriosta.

Tilanne on periaatteessa yhtä mahdoton kuin ikiliikkujan löytyminen. Yksittäisille erityistapauksille voidaan silti löytää hyviä approksimaatiota suorittamalla paljon tietokonetehoa vaativia iteratiivisia eli toistuvia laskuja.

Nyt kansainvälinen tutkijaryhmä on osoittanut, että keinotekoinen neuroverkko voidaan opettaa ratkaisemaan kolmen kappaleen ongelman yksittäistapauksia. Parhaimmillaan neuroverkko saattaa selvitä tehtävästä jopa sata miljoonaa kertaa nopeammin kuin nykyään on mahdollista.

Menetelmän ongelmana on, ettei se nykymuodossaan sovellu tilanteisiin, joissa jokaisen yksittäisen tuloksen täytyy olla tarkka ja luotettava. Se voi kuitenkin soveltua muun muassa tilastollisiin simulaatioihin. Niissä arvioidaan, miten kappaleiden radat yleensä käyttäytyvät.

"Kolmen kappaleen vuorovaikutukset esimerkiksi mustien aukkojen parin ja yksinäisen mustan aukon välillä voivat muodostaa laskennallisen pullonkaulan simuloitaessa pallomaisen tähtijoukon ja galaksin ytimen kehitystä", tutkijat kirjoittavat julkaisemassaan artikkelissa.

Tutkijat toivovat, että tulevaisuuden neuroverkot voitaisiin kouluttaa myös neljän ja viiden kappaleen ongelmiin. Silloin simulaatioiden vaatimat laskentatehot pienenisivät vieläkin enemmän.

Aiheesta julkaistu tutkimus (englanniksi)