三体问题有解吗？
无解
三体问题（three－body problem）是天体力学中的基本力学模型。它是指三个质量、初始位置和初始速度都是任意的可视为质点的天体，在相互之间只有万有引力的作用下如何预测其运动规律。现已知三体问题不能精确求解，即无法预测所有三体问题的数学情景，只有几种特殊情况已研究。
三体问题最简单的一个例子就是太阳系中太阳、地球和月球的运动。在浩瀚的宇宙中，星球的大小可以忽略不记，所以我们可以把它们看成质点。如果不计太阳系其他星球的影响，那么它们的运动就只是在引力的作用下产生的，所以我们就可以把它们的运动看成一个三体问题。
研究三体问题的方法大致可分为分析方法、定性方法、数值方法三类。
19世纪末的物理学家亨利·庞加莱在当时曾研究后给出结论：三体问题无解。准确地来说，是数学上非线性，无解析解，只有数值解。但是在计算数值解的过程中，初始的微小误差会被不断放大，以及计算叠加过程中本身的计算误差，从而导致最终无法获得一个稳定的数值，从而无法预测三体的运动状态，结果是混沌。
2015年Brutus积分器被开发出来，可以按任意精度计算出任意N体问题的近似收敛解。但是，迭代计算随着精度的不断提高和模拟时间的增长，需要在内存中保留的数字精度呈指数级增长，并且计算的步长需要进一步缩小，往往需耗费长时间才能完成计算。
随着科技的发展，研究人员决定尝试一种规律识别类型的人工智能—神经网络，它大致模拟了大脑的运作机制。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深度学习，研发团队采用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。
随后使用5000个新情境对神经网络进行测试，判断其能否精确预测出这些场景的演变轨迹。结果显示预测结果不仅与Brutus非常接近，并且转瞬间便可完成计算。相比之下Brutus的平均计算时间需要花费120秒。
采用穷举法的Brutus程序计算较为迟缓，需要对天体轨迹的每一小步进行运算。神经网络仅需要分析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。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。对于“引力波如何形成”等更为深层的问题研究就可提上日程了。
这套算法目前处于概念验证阶段，它目前只能按规定时长运行，无法提前预知某个情境需要多久才能完成演化。对于规模更大、更复杂的预测，需要Brutus生成大量数据后“神经网络”进行深度学习，耗时长，费用高昂是该系统的拦路虎。
目前研究团队预计将Brutus程序与“神经网络”融合使用，神经网络仅负责复杂计算的模拟部分。AI应用在天体的运行问题中已逐渐可行，将来会在天文学科中发挥更重要的作用。
