Решает невозможное: нейросеть справилась с задачей трёх тел, над которой человечество билось 350 лет

Задача трёх тел — не просто математическая головоломка. Это одна из центральных проблем небесной механики, над которой ломали головы Ньютон, Эйлер, Лагранж и Пуанкаре.

Всё началось в XVII веке, когда Исаак Ньютон впервые сформулировал законы движения и всемирного тяготения. С их помощью он легко решил задачу двух тел — например, Солнца и Земли. Формула позволяла точно вычислить орбиту планеты и предсказать её положение на десятилетия вперёд.

Но как только в уравнение добавлялось третье тело — например, Луна, — всё рушилось.

Каждое из тел тянет другие, сила притяжения меняется ежесекундно, и система становится хаотической. Ньютон назвал эту проблему "незапутываемой", а спустя век Анри Пуанкаре доказал: общего аналитического решения у неё не существует. Малейшие изменения начальных условий могут приводить к совершенно разным результатам — классический пример детерминированного хаоса.

Тем не менее, физики не прекращали попыток. Решение этой задачи — ключ к пониманию движения планетных систем, звёздных скоплений и даже орбит спутников.

Нейросеть против хаоса

Теперь, спустя почти три с половиной века, исследователи решили взглянуть на задачу иначе. Как сообщает издание SciTechDaily, команда физиков и специалистов по машинному обучению создала нейронную сеть, обученную на миллионах симулированных сценариев движения трёх тел.

В отличие от традиционного математического подхода, где пытаются вывести общую формулу, ИИ не искал закон — он искал закономерность.

Учёные задали системе исходные параметры: массу, положение и скорость каждого из трёх тел. Затем нейросеть обучалась на моделях, в которых результаты уже известны, пока не научилась узнавать паттерны и делать собственные прогнозы.

Результаты оказались впечатляющими:

• предсказания нейросети совпадали с численными расчётами с ошибкой менее 1%;

• вычисления выполнялись в тысячи раз быстрее, чем при классическом моделировании;

• ИИ корректно предсказывал траектории даже для "хаотических" систем, где малейшая ошибка обычно приводит к катастрофическому расхождению.

Фактически, нейросеть не "решила" задачу трёх тел в классическом смысле, но смогла эффективно предсказывать её поведение, что и есть главный практический результат.

Почему это так важно

Эта новость — не просто демонстрация возможностей искусственного интеллекта. Она меняет подход к исследованию сложных систем, где точные аналитические формулы невозможны или неэффективны.

Для астрофизики это прорыв:

• можно моделировать поведение звёздных скоплений и галактических орбит с новой точностью;

• исследовать динамику тройных систем — например, когда три звезды вращаются вокруг общего центра масс;

• прогнозировать столкновения или слияния чёрных дыр, источников гравитационных волн, наблюдаемых обсерваторией LIGO;

• рассчитывать долгосрочную стабильность экзопланетных систем, где более одной звезды.

В дальнейшем такой подход может применяться не только к астрономии, но и к квантовой физике, химическим реакциям, молекулярной динамике и даже экономическим моделям, где много переменных взаимодействуют одновременно.

От механики Ньютона к эпохе алгоритмов

Историки науки отмечают: "Задача трёх тел" символизировала границу между детерминизмом и хаосом. Ньютон верил, что Вселенная подчиняется строгим законам и если знать начальные условия, можно предсказать всё.

Пуанкаре доказал обратное: даже идеальные уравнения могут вести к непредсказуемости, потому что любая погрешность растёт экспоненциально.

ИИ, в каком-то смысле, примирил эти два взгляда. Он не пытается вывести точную формулу, но способен выявить вероятностные структуры внутри хаоса. Это новый способ познания — эмпирический интеллект, способный учиться на миллиардах примеров.

Можно сказать, что человечество впервые получило инструмент для прогнозирования хаоса, пусть и с ограничениями.

Как работает интеллект хаоса

Чтобы понять масштаб достижения, стоит рассмотреть, чем именно нейросеть отличается от классического метода.

По сути, ИИ стал "интуитивным физиком", способным угадывать будущие траектории без формул — так, как опытный штурман чувствует поведение корабля на волнах.

От "Омуамуа" до звёздных хороводов

Практическое значение нового подхода трудно переоценить. Например:

• при наблюдении за межзвёздными объектами вроде 1I/"Оумуамуа или кометы Борисова можно быстро оценивать их траекторию и риск столкновения;

• в миссиях к астероидам ИИ поможет прокладывать оптимальные маршруты космических аппаратов с учётом сложной гравитации нескольких тел;

• в космологии такие модели позволяют симулировать эволюцию звёздных скоплений — от их рождения до разрушения.

Сложные системы — следующая граница

Решение задачи трёх тел с помощью ИИ открывает новую эру — гибридную науку, где интуиция алгоритмов дополняет строгость формул.

Похожий подход уже применяют:

• в ядерной физике — для предсказания структуры атомных ядер;

• в химии — для поиска устойчивых молекулярных конфигураций;

• в биологии — для моделирования взаимодействий белков, где число возможных состояний превышает атомы во Вселенной.

Парадоксально, но именно хаос — то, что раньше считалось непреодолимым, — теперь становится источником информации, на которой учится интеллект.

FAQ: что нужно знать о задаче трёх тел

Что такое задача трёх тел?
Это проблема предсказания движения трёх объектов, взаимодействующих через гравитацию. Например: Солнце, Земля и Луна. Система оказывается хаотичной — малейшее изменение приводит к совершенно иному результату.

Почему она не имеет точного решения?
Потому что взаимодействия нелинейны. Нет одной универсальной формулы, описывающей все возможные конфигурации. Можно только численно моделировать отдельные случаи.

Как ИИ помог?
Нейросеть обучили на миллионах известных сценариев. Она научилась предсказывать новые траектории по аналогии, распознавая закономерности, а не решая уравнения.

Это "настоящее" решение задачи?
Нет в классическом смысле, но это рабочее приближение, дающее точные прогнозы и ускоряющее расчёты в тысячи раз.

Где это применимо?
В астрофизике, космонавтике, моделировании гравитационных волн, а также в других науках, где системы хаотичны — от квантовой механики до климатологии.

Заменит ли ИИ учёных?
Скорее нет: он станет их инструментом. ИИ не объясняет природу явлений, но помогает увидеть закономерности там, где человеческая интуиция бессильна.