Des chercheurs de l'Université de Cambridge viennent de trouver un moyen de résoudre plus rapidement un problème astronomique majeur vieux de plusieurs siècles. Il s’agit du « problème à trois corps » formulé par le physicien britannique Isaac Newton il y a plus de 300 ans. En effet, lorsque trois corps célestes - par exemple la Terre, la Lune et le Soleil - orbitent l'un autour de l'autre, leurs forces gravitationnelles produisent un système particulier et apparemment imprévisible. Les astronomes s'interrogent depuis lors sur la façon de prédire où chaque masse se trouvera dans l'espace et dans le temps à un moment donné, cherchant à résoudre le problème avec les ordinateurs conventionnels. Mais ce casse-tête semble être résolu, selon un rapport publié plus tôt ce mois par Live Science, un site Web d'informations scientifiques. Le mois dernier, les chercheurs avaient déjà publié un document sur leur recherche – qui n'a pas encore fait l'objet d'un examen par leurs homologues – dans les archives préimprimées ArXiv.
Selon le rapport de Live Science, les chercheurs ont travaillé d'arrache-pied en se basant sur des approches qui jusqu’à présent utilisent un logiciel qui peut prendre des semaines, voire des mois, pour résoudre ces problèmes. Avec les avancées enregistrées par l’IA, les chercheurs ont donc décidé de voir si un réseau neuronal pourrait accélérer considérablement les choses et faire mieux que le système de calcul existant. L'algorithme IA qu'ils ont construit à cet effet a fourni des solutions précises jusqu'à 100 millions de fois plus rapidement que le logiciel le plus avancé, connu sous le nom de Brutus, d’après le rapport de Live Science.
Pour leur étude, des chercheurs de l'Université de Cambridge ont construit un réseau neuronal qui doit être formé en recevant des données préliminaires avant de pouvoir faire des prédictions. Les chercheurs ont donc dû produire 9 900 scénarios simplifiés à trois corps en utilisant Brutus, le logiciel le plus utilisé actuellement pour résoudre les problèmes à trois corps. Ils ont ensuite transmis ces scénarios au réseau neuronal pour lui d’apprendre comment les résoudre, avant de tester dans quelle mesure le réseau neuronal pouvait prédire l'évolution de 5 000 scénarios inédits.
Selon Live Science, les résultats ont été édifiants. L'IA de l'équipe de Cambridge a résolu les problèmes en moins d'une seconde chacun, en produisant des résultats qui correspondaient étroitement à ceux de Brutus. Alors que Brutus a pris beaucoup plus de temps : presque deux minutes pour chaque scénario. Ces résultats pourraient s'avérer inestimables pour les astronomes qui essaient de comprendre des choses comme le comportement des constellations d'étoiles et l'évolution plus large de l'univers, a déclaré Chris Foley, biostatisticien à l'Université de Cambridge et coauteur du document partagé sur la base de données ArXiv.
« Ce réseau neuronal, s'il fait du bon travail, devrait être en mesure de nous fournir des solutions dans un délai sans précédent », a déclaré M. Foley à Live Science. « Alors on peut commencer à penser à faire des progrès avec des questions plus profondes, comme comment se forment les ondes gravitationnelles », a-t-il ajouté.
Les chercheurs ont également déterminé la raison pour laquelle leur réseau neuronal est plus rapide que les systèmes conventionnels. Selon M. Foley, les programmes comme Brutus sont si lents parce qu'ils résolvent le problème par la force brute, en effectuant des calculs pour chacune des petites étapes des trajectoires des corps célestes. Le réseau neuronal, d'autre part, observe simplement les mouvements que ces calculs produisent et déduit un modèle qui peut aider à prédire comment les scénarios futurs vont se dérouler, a rapporté Live Science.
L'approche des chercheurs basée sur un réseau neuronal pourrait poser quelques problèmes
Il s’avère que le réseau neuronal des chercheurs résout les problèmes à trois corps plus rapidement que les précédents logiciels, toutefois, cette nouvelle approche comporte de nombreuses limites quand il va s’agir de la mise à l'échelle du système, a dit M. Foley. En effet, l'algorithme actuel est une preuve de concept et s'appuie sur des scénarios simplifiés, mais la formation sur des scénarios plus complexes ou même l'augmentation du nombre de corps impliqués à quatre sur cinq nécessite d'abord de générer les données sur Brutus, ce qui peut prendre beaucoup de temps et être extrêmement coûteux, a expliqué M. Foley.
A ce propos, M. Foley a déclaré : « Il y a une interaction entre notre capacité à former un réseau neuronal fantastiquement performant et notre capacité à obtenir des données avec lesquelles nous pouvons l'entraîner ». « Il y a donc là un goulot d'étranglement », a-t-il ajouté.
Mais les chercheurs espèrent créer un système « hybride » : un logiciel comme Brutus pourrait faire le travail difficile au départ, qui consiste à générer les données d’apprentissage, puis un réseau neuronal prendrait « seulement les parties de la simulation qui impliquent des calculs plus complexes qui enlisent le logiciel », a expliqué M.Foley. Toutefois, ce système nécessiterait la création de protocoles normalisés pour s'assurer que les données sont toutes d'un format et d'une norme uniformes, a dit M. Foley.
Il y a une seconde limite qu’il faut résoudre dans l’approche actuelle des chercheurs de l'Université de Cambridge afin qu’elle devienne performante, a dit M. Foley. En effet, le réseau neuronal ne peut durer qu'un certain temps, alors qu’il n'est pas possible de savoir à l'avance combien de temps un scénario particulier prendra pour se terminer, de sorte que l'algorithme peut s'essouffler avant que le problème soit résolu.
Mais comme les chercheurs ne comptent pas faire fonctionner le réseau neuronal de manière isolée, ce dernier n’assumera que les parties de la simulation qui impliquent des calculs plus complexes qui enlisent le logiciel Brutus, de sorte à avoir assez de temps pour achever ces tâches.
« Vous créez cet hybride, » a dit M. Foley. « Chaque fois que Brutus est coincé, vous utilisez le réseau neuronal et vous le faites avancer. Et ensuite vous évaluez si oui ou non Brutus s'est décoincé », a-t-il ajouté.
Les conclusions de la recherche sont impressionnantes et pourraient constituer un grand pas en avant dans ces types de calculs. Cependant, obtenir les mêmes résultats 100 millions de fois plus rapidement avec le réseau neuronal qu’avec Brutus, les chercheurs ont-il effectué de véritables calculs sur les 5 000 scénarios de l’expérience avec le logiciel ou ont-ils procédé à des approximations ? Toutefois, l’algorithme des chercheurs de Cambridge fera l’objet d’examen minutieux de la part d’autres chercheurs.
Sources : Live Science, ArXiv
Et vous ?
Que pensez-vous des conclusions de la recherche des chercheurs de l’Université de Cambridge ? L'algorithme qu'ils ont construit fournit des solutions précises jusqu'à 100 millions de fois plus rapides que le programme logiciel le plus avancé, appelé Brutus. Quel commentaire en faites-vous ? Est-ce que c'est juste une approximation, ou une vraie solution ?Lire aussi
Un réseau neuronal reconstruit les pensées humaines à partir des ondes cérébrales en temps réel, ce qui améliorera les dispositifs de rééducation post-AVC, selon une nouvelle recherche Des chercheurs ont mis au point une IA capable de lire l'activité cérébrale d'une personne en temps réel, et de la représenter sous forme d'image « L'intelligence artificielle n'existe pas et la voiture autonome n'existera jamais », selon un expert en IA La France bannit les IA de prédiction des comportements des juges, les technologies de justice prédictive sont-elles une menace pour la société ? 
Envoyé par franck91610
