Jak astrofyzik využívá Codex k simulaci černých děr

Gravitace v okolí černé díry je tak silná, že jakmile se k ní něco dostatečně přiblíží, už to nemůže uniknout. Platí to i pro světlo. Astrofyzici jako Chi-kwan Chan studují černé díry pomocí počítačových simulací a pozorování. Současné algoritmy a dostupný výpočetní výkon ale omezují, nakolik mohou tyto simulace odpovídat skutečnosti.

Chan, výzkumník z Arizonské univerzity a Stewardovy observatoře, tento problém řeší s pomocí Codexu.

Černé díry podle něj patří k nejlepším místům pro ověřování Einsteinovy obecné teorie relativity. Tato teorie je v současnosti naším nejlepším vysvětlením gravitace: nejde o sílu, která k sobě přitahuje objekty, ale o důsledek toho, že hmota a energie zakřivují prostor a čas.

Chan je členem mezinárodního projektu Event Horizon Telescope (EHT), který v roce 2019 zveřejnil první snímek černé díry. Tým nyní shromažďuje pozorování pro vytvoření prvního videa supermasivní černé díry a zaměřuje se na tu ve středu galaxie M87. 

K tomu, aby se pozorování proměnila ve vědecké poznatky, je ale nutné zpracovat obrovské množství dat, provádět rozsáhlé výpočty a vytvářet simulace schopné modelovat jedny z nejextrémnějších fyzikálních jevů ve vesmíru.

Protože světlo nemůže z černé díry uniknout, vědci místo ní zkoumají oblast kolem ní zvanou horizont událostí – hranici, za níž už hmota nemůže uniknout. „Je to plocha, zpoza které není návratu,“ vysvětluje Chan. Hmota vířící těsně před touto hranicí vyzařuje světlo, které astrofyzici mohou pozorovat, měřit a simulovat. 

Snímek zveřejněný projektem EHT v roce 2019 ukázal stín černé díry obklopený zářícím plazmatem poblíž horizontu událostí. Chan se podílel na vývoji simulačních a výpočetních nástrojů, které tým použil k interpretaci pozorování. Od té doby Chan a jeho kolegové dál zdokonalují své přístroje a rozšiřují možnosti pozorování. Tým tak postupně přechází od statických snímků k videím.

Jak zkrotit spirálový pohyb

Jednou z největších překážek pro Chana a jeho tým je modelování plazmatu v okolí černých děr. Plazma je hmota zahřátá na extrémní teplotu, tvořená elektricky nabitými elektrony a ionty.

V mnoha simulacích vědci plazma zjednodušeně považují za tekutinu a jeho pohyb kolem černé díry modelují pomocí dobře známých rovnic. To funguje poměrně dobře u hustšího plazmatu, v němž se elektrony a ionty neustále srážejí. 

V blízkosti supermasivních černých děr, které Chan a jeho kolegové zkoumají, je ale plazma v některých oblastech tak horké a řídké, že se částice setkávají jen zřídka. „Prakticky se spolu nesrážejí,“ říká Chan. Místo toho se částice většinou pohybují po spirále kolem magnetických siločar. 

Aby vědci toto chování správně modelovali, musí sledovat biliony elektronů a iontů, které se kolem černé díry rychle pohybují po šroubovicových drahách. Běžné simulace musí vypočítat každou drobnou otočku, což počítače nutí postupovat v extrémně malých časových krocích.

I nejrychlejší superpočítače světa tak mohou většinu času strávit výpočtem těchto nepatrných pohybů částic místo simulování chování ve větším měřítku, které vědce ve skutečnosti zajímá.

„Už desítky let to omezuje, jak věrně dokážeme simulovat plazma kolem černých děr,“ říká Chan.

S pomocí AI k lepšímu digitálnímu dvojčeti

Chan tušil, že nové matematické postupy by mohly pomoci některá z těchto omezení obejít. Základní myšlenkou bylo matematicky změnit způsob, jakým simulace sleduje pohyb částic, aby počítač už nemusel přímo sledovat každou drobnou spirálu.

„Ruční prozkoumání všech matematických možností by ale zabralo obrovské množství času,“ říká Chan. Obrátil se proto na Codex, aby mu pomohl odvodit možné algoritmy a otestovat je porovnáním se známými řešeními.

Codex navrhl mnoho možných přístupů – ne všechny byly správné. „To je ale v pořádku,“ říká Chan. „Většina vědeckých nápadů neobstojí. Důležité je, že tyto algoritmy lze otestovat. Jakmile najdete takový, který funguje, může vám otevřít cestu k simulacím, které dříve nebyly možné.“ 

Některé systémy AI mohou poskytnout výsledky, aniž by ukázaly, jakými kroky ke svým závěrům dospěly. Chanův tým ale využívá Codex k navrhování a implementaci numerických schémat, která lze zkontrolovat, otestovat a pochopit z fyzikálního hlediska.

Velké jazykové modely stále dělají chyby a mnoho vědců zůstává vůči využívání AI ve výzkumu obezřetných. Chan je ale přesvědčen, že věda může být jednou z nejlepších oblastí využití dnešních systémů AI právě proto, že vědecké myšlenky lze důkladně ověřovat.

„Nepřijímáme myšlenku jen proto, že s ní přišel Einstein, nadaný student nebo model AI,“ říká. „Přijmeme ji až po opakovaném ověření.“

Chan vnímá AI jako nástroj, který může výzkumníkům pomoci prozkoumat více nápadů, rychleji je testovat a urychlit objevování, aniž by přestali dbát na ověřování a reprodukovatelnost výsledků.

Pokud se přístupy, které Chan testuje s pomocí Codexu, osvědčí, mohly by nové algoritmy časem vědcům umožnit simulovat biliony částic v okolí černých děr. Vědci by tak mohli zkoumat fyzikální jevy, které byly po desetiletí mimo jejich dosah.