从艾萨克牛顿爵士开始，所谓的三体迷惑了数学家和物理学家。正如《科学警报》所解释的，“三体涉及计算三个物体在重力作用下的运动，比如地球、月球和太阳，给定它们的初始位置和速度。”

从表面上看，这个问题似乎很简单，但实际上，这是一个极其困难的问题。其中一个成果是引进了一个海洋精密计时器来计算海上位置，而不是解决三体通过月亮和星星来计算这个位置的问题。

随着宇宙研究的快速发展，当研究人员试图弄清楚“黑洞二进制文件如何与单个黑洞相互作用，以及一些最基本的物体如何从那里相互作用时，三体成为研究人员的重要组成部分。宇宙相互影响。”

为了在合理的时间内使这些计算可行，科学家和研究人员求助于使用ANN(深度人工神经网络)。这个新系统是由来自爱丁堡大学、英国剑桥大学、葡萄牙阿威罗大学和荷兰莱顿大学的研究小组开发的。

这个团队开发的人工神经网络已经在现有的三体问题数据库和科学家之前找到的解决方案选择数据库上进行训练。

结果是出乎意料的。一个经过训练的人工神经网络有望找到比现有技术“快1亿倍”的解决方案。

最终的研究论文《牛顿与机器：用深度神经网络解决混沌三体问题》指出：“经过训练的人工神经网络可以取代现有的数值求解器，从而使多体系统的快速、可扩展仿真成为现实。突出的现象，如黑洞双星系统的形成或致密星团中核心坍缩的起源。”

ScienceAlert指出：“研究人员简化了这一过程，只包括平面上的三个等质量粒子，所有粒子都以零速度开始，然后运行现有的名为Brutus的三体解算器1万次(9900次用于训练，100次用于验证)。”

经过训练，新型人工神经网络取得了显著的效果。它提供了5000个新方案，可以和布鲁图斯的几乎完全实现相提并论。

尽管该研究尚未经过同行评审，但具有该领域知识和经验的科学家仍在进行现阶段的概念证明，这当然表明经过训练的神经网络“可能能够与他人合作”。当三体计算变得过于复杂，我们目前的模型无法应对时，布鲁特斯和类似的系统将加入进来。"

正如这组研究人员在论文中得出的结论：“最终，我们想象我们可以在更混沌的问题上训练网络(如4体和5体问题)，从而进一步减少计算负担。”