据国外媒体报道，自牛顿时代起，如何预测三个围绕彼此旋转的天体的运动路径一直令物理学家头痛不已。而如今利用人工智能技术，片刻时间便可解决这一问题。
牛顿最早在17世纪提出了三体问题，但事实证明，要想用简单的方法来解决这一问题可谓极其困难。三个天体(如行星、恒星和卫星等等)之间的引力相互作用会形成一个混沌系统，而这类系统十分复杂，且对各个天体的初始状态高度敏感。
有研究人员尝试利用软件解决三体问题，但往往需耗费数周、甚至数月时间才能完成计算。因此研究人员决定试一试神经网络。这是一种规律识别类型的人工智能，大致模拟了大脑的运作机制。而他们打造的算法精确求解的速度比目前最先进的软件程序Brutus还要快1亿倍。这对研究星团行为和宇宙演变过程的天文学家而言，将是一份“无价之宝”。这套神经网络系统若能正常运作，得出答案的速度将达到前所未有的水平。这样一来，我们就可以进一步研究更深层次的问题了，例如“引力波是如何形成的”等等。
神经网络在具备预测能力之前，必须先通过输入大量数据进行训练。因此，研究人员先用Brutus软件生成了9900个简化版的三体问题情境，用于训练神经网络。接下来，研究人员再用5000个新情境对这套神经网络进行测试，看其能否精确预测出这些情境的演变轨迹。结果发现，其预测结果不仅与Brutus非常接近，并且转瞬间便可完成计算。而相比之下，Brutus的平均计算时间将近2分钟。
Brutus之类的程序之所以计算得这么慢，是因为它们采用了“蛮力计算法”，即穷举法，对天体轨迹的每一小步都要进行计算。而神经网络则仅仅分析了由这些计算产生的运动轨迹、并从中归纳出相应规律，借此预测系统未来的演变结果。
但对于规模更大、更复杂的系统来说，情况就没这么简单了。这套算法目前仅处于概念验证阶段，只学习了一些简化版情境，但如果要用更复杂的系统、甚至“四体系统”、“五体系统”进行训练，就首先要用Brutus生成大量数据，这样不仅耗时甚长、且费用高昂。这就是这套神经网络目前遭遇的瓶颈。
要想解决这一问题，可以让多位研究人员先用Brutus之类的程序打造一个通用数据库。但这需要先制定一套标准协议，确保所有数据都符合标准、且形式统一。
此外，该神经网络本身还有一些问题需要解决。比如，它目前只能按规定时长运行，但我们不可能提前预知某个情境需要多久才能完成演化，因此该算法可能在问题得到解决之前，就已经“弹尽粮绝”了。
不过，研究人员并未打算让这套神经系统独挑大梁，他们认为最好让Brutus之类的程序做大部分“苦力活”，而神经网络则只负责需要进行复杂计算的模拟部分。
