Kako astrofizičar koristi Codex kao pomoć pri simuliranju crnih rupa

Gravitacija oko crne rupe toliko je snažna da joj ništa, pa ni svjetlost, ne može pobjeći kada se dovoljno približi. Astrofizičari poput Chi-kwana Chana proučavaju crne rupe pomoću računarskih simulacija i posmatranja. Međutim, postojeći algoritmi i računarska snaga ograničavaju realističnost tih simulacija.

Chan, istraživač na Univerzitetu u Arizoni i u opservatoriju Steward, nastoji riješiti ovaj problem uz pomoć alata Codex.

Crne rupe su među najboljim mjestima za provjeru Einsteinove opće teorije relativnosti, kaže on. Ta teorija trenutno pruža najbolje objašnjenje gravitacije: umjesto sile koja privlači tijela jedno prema drugom, gravitacija je posljedica zakrivljenosti prostora i vremena koju stvaraju masa i energija.

Chan je član međunarodnog projekta Event Horizon Telescope (EHT), u okviru kojeg je 2019. objavljena prva slika crne rupe. Tim trenutno prikuplja podatke iz posmatranja kako bi napravio prvi video supermasivne crne rupe, s fokusom na onu u središtu galaksije M87. 

Ali za pretvaranje tih podataka u naučne spoznaje potrebni su obrada ogromnih količina podataka, obimni računarski procesi i simulacije koje mogu modelirati neke od najekstremnijih fizičkih pojava u svemiru.

Budući da svjetlost ne može pobjeći iz crne rupe, naučnici proučavaju područje oko nje koje se naziva horizont događaja, granicu iza koje materija ne može pobjeći. „To je površina iza koje nema povratka“, kaže Chan. Materija koja se kovitla neposredno izvan te granice emitira svjetlost koju astrofizičari mogu vidjeti, mjeriti i simulirati. 

Slika koju je EHT objavio 2019. prikazivala je sjenu crne rupe okruženu užarenom plazmom u blizini horizonta događaja. Chan je pomogao u razvoju simulacijskih i računarskih alata koje je tim koristio za tumačenje podataka iz posmatranja. Od tada Chan i njegove kolege nastavljaju unapređivati instrumente i mogućnosti posmatranja dok tim prelazi sa statičnih slika na videozapise.

Rješavanje problema spiralnog kretanja

Jedna od najvećih prepreka za Chana i njegov tim jeste modeliranje plazme oko crnih rupa. Plazma je materija zagrijana na izuzetno visoke temperature, sastavljena od električno nabijenih elektrona i iona.

U mnogim simulacijama naučnici pojednostavljuju prikaz plazme tako što je tretiraju kao fluid i koriste dobro poznate jednačine za modeliranje njenog kretanja oko crne rupe. To daje prilično dobre rezultate kod gušće plazme, u kojoj se elektroni i ioni neprestano sudaraju. 

Ali u blizini supermasivnih crnih rupa koje Chan i njegove kolege proučavaju, neka područja postaju toliko vrela i razrijeđena da se čestice rijetko susreću. „One se zapravo ne sudaraju“, kaže on. Umjesto toga, čestice se uglavnom kreću spiralno oko silnica magnetnog polja. 

Da bi ispravno modelirali takvo ponašanje, istraživači moraju pratiti bilione elektrona i iona koji se brzo kreću spiralnim putanjama oko crne rupe. Standardne simulacije moraju izračunati svaki sitni zavoj, što računare prisiljava da koriste izuzetno male vremenske korake.

Zbog toga čak i najbrži superračunari na svijetu mogu većinu vremena provoditi računajući ta sićušna kretanja čestica, umjesto da simuliraju ponašanje na većim razmjerama koje naučnici zapravo žele proučavati.

„To već decenijama ograničava koliko realistično možemo simulirati plazmu oko crnih rupa“, kaže Chan.

Izrada boljeg digitalnog blizanca uz pomoć umjetne inteligencije

Chan je pretpostavljao da bi nove matematičke tehnike mogle pomoći u zaobilaženju nekih od tih ograničenja. Osnovna ideja bila je matematički promijeniti način na koji simulacija prati kretanje čestica, tako da računar više ne mora direktno pratiti svaku sićušnu spiralu.

„Ali ručno istraživanje svih matematičkih mogućnosti oduzelo bi izuzetno mnogo vremena“, kaže Chan. Zato je potražio pomoć alata Codex da izvede moguće algoritme i provjeri ih na poznatim rješenjima.

Codex je generirao mnogo mogućih pristupa, ali nisu svi bili ispravni. „Ali to je u redu“, kaže Chan. „Većina naučnih ideja ne uspije. Važno je da se ti algoritmi mogu testirati. Kada pronađete onaj koji radi, on bi mogao omogućiti simulacije koje su ranije bile nemoguće.“ 

Neki sistemi umjetne inteligencije mogu dati rezultate bez prikaza koraka kojima su došli do svojih zaključaka. Ali Chanova grupa koristi Codex za predlaganje i implementaciju numeričkih shema koje mogu pregledati, testirati i razumjeti s fizičkog stanovišta.

Veliki jezički modeli i dalje griješe, a mnogi naučnici ostaju oprezni kada je riječ o korištenju umjetne inteligencije u istraživanjima. Ipak, Chan vjeruje da bi nauka mogla biti jedno od najboljih područja primjene današnjih sistema umjetne inteligencije upravo zato što se naučne ideje mogu strogo provjeravati.

„Ideju ne prihvatamo zato što potiče od Einsteina, bistrog studenta ili modela umjetne inteligencije“, kaže on. „Prihvatamo je tek nakon ponovljenih provjera.“

Chan vidi umjetnu inteligenciju kao alat koji istraživačima može pomoći da istraže više ideja, brže ih testiraju i ubrzaju put do otkrića, a da pritom provjera i ponovljivost rezultata ostanu temelj njihovog rada.

Ako se pristupi koje Chan testira uz pomoć alata Codex pokažu uspješnim, novi algoritmi bi s vremenom mogli omogućiti naučnicima da simuliraju bilione čestica oko crnih rupa. To bi istraživačima omogućilo proučavanje fizičkih pojava koje su decenijama bile izvan njihovog dosega.