挑战世界经典难题，中国科学家提出求解“三体问题”周期轨道路线图(2)

图1：利用机器学习寻找同一族三体系统不同星球质量的周期轨道。左下角红色区域为用传统方法获得的少数已知周期轨道。相同颜色表示同一次外插、机器学习可以找到的周期轨道之最大区域。m1和m2为两个星球质量(m3 = 1)。

图2：机器学习预测的不同质量的“三体问题”周期解所模拟的周期轨道。蓝线：第一个星球；红线：第二个星球；黑线：第三个星球。
2022年，为了进一步大幅提高计算效率，廖世俊、李晓明、杨宇将CNS结合机器学习，提出了一个获得“三体问题”周期轨道的路线图。从用传统方法获得的、很小质量范围内的周期轨道出发，基于机器学习和CNS一步步地获得更大质量范围内的精确周期轨道，直至找到该类周期轨道中所有不同质量的精确周期轨道(如图1所示)。最后，对于(存在周期轨道的质量区域内)任意质量的“三体问题”，机器学习都能足够精确地预测其周期轨道之初始条件、周期(如图2所示)。该论文2022年在国际天文学杂志《New Astronomy》上发表。
“三体问题”的解决，本质上依赖高性能计算机和数学方法。廖世俊等基于CNS和机器学习提出求解“三体问题”周期轨道之路线图，将计算效率提高了几个数量级，为获得“三体问题”海量的、精确的周期轨道铺平了道路。“三体问题”周期轨道的求解，证实了CNS求解复杂混沌问题的有效性和潜力。理论上，CNS可应用于N体问题周期轨道的求解以及湍流研究等，为星系演化、复杂湍流的精确数值模拟等提供了一个全新的研究工具。(葛俊俊、江倩倩、杨宇)