Com un astrofísic fa servir Codex per ajudar a simular forats negres

La gravetat al voltant d'un forat negre és tan extrema que res, ni tan sols la llum, no se'n pot escapar un cop s'hi acosta prou. Astrofísics com Chi-kwan Chan estudien els forats negres amb simulacions per ordinador i observacions. Però els algoritmes i la potència de càlcul actuals limiten el realisme d'aquestes simulacions.

Amb Codex, Chan —investigador de la Universitat d'Arizona i de l'Observatori Steward— està abordant aquest problema.

Segons explica, els forats negres són un dels millors llocs per posar a prova la teoria de la relativitat general d'Einstein. Aquesta teoria és, actualment, la millor explicació que tenim de la gravetat: en lloc de ser una força que atreu els objectes entre si, la gravetat és el resultat de la curvatura de l'espaitemps causada per la massa i l'energia.

Chan forma part de la col·laboració internacional Event Horizon Telescope (EHT), que va publicar la primera imatge d'un forat negre el 2019. Actualment, l'equip està recollint observacions per produir el primer vídeo d'un forat negre supermassiu, centrant-se en el que hi ha al centre de la galàxia M87. 

Però transformar les observacions en coneixement científic requereix processar quantitats ingents de dades, disposar de fluxos de treball computacionals a gran escala i fer simulacions capaces de modelitzar alguns dels fenòmens físics més extrems de l'univers.

Com que la llum no pot escapar d'un forat negre, els científics estudien la regió que l'envolta, anomenada horitzó d'esdeveniments, una frontera més enllà de la qual la matèria no pot escapar. "És una superfície de no retorn", explica Chan. La matèria que gira just a l'exterior d'aquesta frontera emet llum que els astrofísics poden veure, mesurar i simular. 

La imatge publicada per l'EHT el 2019 mostrava l'ombra d'un forat negre envoltada de plasma lluminós prop de l'horitzó d'esdeveniments. Chan va ajudar a desenvolupar les eines de simulació i de càlcul que l'equip va utilitzar per interpretar les observacions. Des d'aleshores, Chan i els seus col·legues han continuat millorant els instruments i la capacitat d'observació a mesura que l'equip avança de les imatges estàtiques cap als vídeos.

Abordar un problema que gira en espiral

Un dels obstacles més grans per a Chan i el seu equip és modelitzar el plasma al voltant dels forats negres. El plasma és matèria a temperatures altíssimes formada per electrons i ions amb càrrega elèctrica.

En moltes simulacions, els científics simplifiquen el plasma tractant-lo com un fluid i utilitzen equacions ben conegudes per modelitzar-ne el moviment al voltant d'un forat negre. Això funciona raonablement bé en el plasma més dens, on els electrons i els ions xoquen constantment entre si. 

Però, a prop dels forats negres supermassius que estudien Chan i els seus col·legues, algunes regions es tornen tan calentes i poc denses que les partícules rarament es troben. "En realitat, no xoquen entre si", explica. En canvi, les partícules es mouen principalment en espiral al voltant de les línies del camp magnètic. 

Per modelitzar correctament aquest comportament, els investigadors han de seguir bilions d'electrons i ions mentre es desplacen ràpidament en trajectòries helicoïdals al voltant d'un forat negre. Les simulacions convencionals han de calcular cada petit gir, cosa que obliga els ordinadors a avançar en intervals de temps extremament petits.

Com a resultat, fins i tot els superordinadors més ràpids del món poden dedicar la major part del temps a calcular aquests moviments minúsculs de les partícules en lloc de simular el comportament a més gran escala que els científics volen estudiar realment.

"Durant dècades, això ha limitat el realisme amb què podem simular el plasma dels forats negres", explica Chan.

Fer servir la IA per crear un bessó digital millor

Chan sospitava que noves tècniques matemàtiques podrien ajudar a superar algunes d'aquestes limitacions. La idea bàsica era canviar, matemàticament, la manera com la simulació seguia el moviment de les partícules, perquè l'ordinador ja no hagués de resseguir directament cada petita espiral.

"Però explorar a mà totes les possibilitats matemàtiques hauria requerit una quantitat enorme de temps", explica Chan. Per això va recórrer a Codex perquè l'ajudés a formular possibles algoritmes i a contrastar-los amb solucions conegudes.

Codex va generar molts enfocaments possibles, tot i que no tots eren correctes. "Però no passa res", diu Chan. "La majoria de les idees científiques fracassen. El que importa és que aquests algoritmes es poden posar a prova. Quan en trobes un que funciona, pot obrir la porta a simulacions que abans eren impossibles." 

Alguns sistemes d'IA poden donar resultats sense mostrar els passos que han seguit per arribar a les conclusions. Però el grup de Chan fa servir Codex per proposar i implementar esquemes numèrics que poden examinar, posar a prova i comprendre des del punt de vista físic.

Els grans models de llenguatge encara cometen errors, i molts científics continuen sent prudents a l'hora de fer servir la IA en la recerca. Però Chan creu que la ciència pot ser una de les millors aplicacions dels sistemes d'IA actuals, precisament perquè les idees científiques es poden posar a prova amb rigor.

"No acceptem una idea perquè vingui d'Einstein, d'un estudiant brillant o d'un model d'IA", explica. "Només l'acceptem després de posar-la a prova repetidament."

Chan veu la IA com una eina que pot ajudar els investigadors a explorar més idees, posar-les a prova més de pressa i accelerar els descobriments sense deixar de basar-se en la verificació i la reproductibilitat.

Si els enfocaments que Chan està provant amb Codex tenen èxit, els nous algoritmes podrien arribar a permetre als científics simular bilions de partícules al voltant dels forats negres. Això permetria als investigadors estudiar fenòmens físics que han quedat fora del seu abast durant dècades.