Представьте себе высокие величественные напольные часы, их длинный маятник раскачивается взад-вперед, снова и снова, в такт времени. Ученые могут описать это движение с помощью уравнения или динамической модели, и хотя, по-видимому, существуют сотни факторов, влияющих на раскачивание (вес часов, материал маятника и так далее), существует только одна переменная, необходимая для описания движения маятника и перевода его в математику: угол поворота.

Сколько времени потребовалось ученым и математикам, чтобы обнаружить это, неизвестно. Могли бы потребоваться годы, чтобы проверить каждую переменную в уравнении, чтобы определить единственную важную переменную для влияния.

Теперь исследователь из Хьюстонского университета сообщает о методе описания такого рода сложных систем с наименьшим количеством возможных переменных, иногда сводя вероятность миллионов к минимальному количеству, а в редких случаях - только к одной. Это достижение, которое может ускорить развитие науки благодаря ее эффективности и способности понимать и прогнозировать поведение природных систем, и оно имеет значение для ускорения целого ряда видов деятельности, использующих моделирование, от прогнозирования погоды до производства самолетов.

"В примере с дедушкиными часами я могу снять видео, на котором маятник раскачивается взад-вперед, и из этого видео автоматически определить, какая переменная является правильной. Точные модели системной динамики позволяют глубже понять эти системы, а также способность предсказывать их будущее поведение", - сообщает Дэниел Флориан, доцент кафедры машиностроения Kalsi, в журнале Nature Machine Intelligence.

Чтобы начать строить компактные, но точные модели, основополагающим является один принцип: для каждого действия, даже кажущегося сложным и случайным, существует базовый шаблон, который позволяет получить компактное представление системы.

"Наш метод находит самое компактное описание, которое возможно математически, и это то, что отличает наш метод от других", - сказал Флориан.

Используя идеи машинного обучения и теории гладких многообразий, этот метод делает моделирование чрезвычайно быстрым и недорогим.

В одном приложении Флориан смоделировал реакцию между парой химических веществ. Реакция привела к сложному поведению химических веществ при их встрече: повторяющемуся ритмичному вращению по спирали, для моделирования которого потребовалось более 20 000 переменных. Флориан ввел видео реакции в свой алгоритм, и он обнаружил, что ему нужна всего одна переменная, чтобы понять действие. Необходимой переменной было время, необходимое спирали, чтобы вернуться к тому месту, где она началась, подобно секундной стрелке на часах.

Что касается прогнозирования погоды, численные модели - это компьютерное моделирование атмосферы, в котором используются сложные уравнения физики и гидродинамики.

"Для прогнозирования погоды и моделирования климата, если у вас есть что-то, что работает намного быстрее, вы можете лучше смоделировать климат земли и лучше предсказать, что произойдет", - сказал Флориан.