Специалисты из Корнеллского университета (США) модифицировали метод вычисления электронной структуры, используемый в квантовой физике и квантовой химии, для анализа спортивных данных. В рамках исследования ученые проанализировали расположение баскетболистов на площадке с целью предсказания вероятности набора победных очков.
В качестве отправной точки для исследования была использована усовершенствованная версия классической теории функционала плотности (Теория функционалов плотности, или DFT) — метод, получивший широкое применение в квантовой механике, который может быть использован для анализа данных в различных коллективных системах. К примеру, данный подход позволяет моделировать поведение толпы на концерте, организацию групп насекомых или расовую сегрегацию в городах.
В предыдущем исследовании модель, использующая метод (DFT), предлагала оптимальное положение каждого спортсмена на баскетбольной площадке в зависимости от заданного сценария, что могло бы увеличить их шансы на победу. Однако, как бы изменилась вероятность конкретного результата, например, попадания трехочкового броска, если бы игрок находился в иной точке или был заменен другим?
Решение проблемы заключается в использовании комплексного подхода, который именуется теорией флуктуации функционала плотности (Density Functional Fluctuation Theory, или DFFT), который позволяет определять вероятность успешного забивания или защиты, используя реалистичные наборы данных и минимальный набор предположений. В частности, основное предположение заключается в том, что точное местоположение членов команды может быть преобразовано в «плотности игроков». Это обеспечивает совокупное понимание позиции (например, отсутствие игроков близко к кольцу и существенное присутствие защитников около трехочковой линии).
Ученые поставили перед собой задачу рассчитать эффективность командных действий в нападении, принимая во внимание расположение десяти игроков и мяча. Для этого научная группа проанализировала данные отслеживания спортсменов, собранные с начала сезона НБА 2022-2023 годов по 20 января 2023 года. Эти данные были получены с использованием технологий компьютерного зрения и машинного обучения. Компания Second Spectrum разработала подобный инструмент для баскетбольных тренеров: он позволяет анализировать миллионы игровых ситуаций с помощью детальных тепловых карт и траекторий движения игроков, что помогает выявлять сильные и слабые стороны команд.
Специалисты изучили поведение 50 наиболее эффективных игроков, которые наиболее часто выходили на площадку в течение четырех месяцев. В анализ вошли данные о разыгрывающем «Голден Стэйт» Стефена Карри, обладателя рекорда НБА по количеству реализованных трехочковых бросков. Исследователи проанализировали расположение игроков и мяча в их руках за три секунды до момента броска. Используя массивный набор данных для обучения модели DFFT, физики смогли спрогнозировать вероятное местоположение каждого игрока и ожидаемый результат.
Также принимался во внимание эффект «гравитации» игрока: его способность притягивать защитников, даже когда он не владеет мячом, из-за угрозы, которую представляет его бросок. У Карри, например, этот эффект был заметен вблизи трехочковой линии, но вблизи кольца он был несколько слабее, чем у обычного баскетболиста.
Далее необходимо рассмотреть понятие «защитного IQ», подразумевающее сочетание инстинктов спортсмена и его умения предвидеть ход событий. Спортивная аналитика позволяет трансформировать большие данные в ценную информацию, способную привести к победе.
Научная работа опубликована в журнале Scientific Reports.