Wie ein Astrophysiker mit Codex Schwarze Löcher simuliert

Die Gravitation um ein Schwarzes Loch ist so extrem, dass nichts entkommen kann, sobald es nahe genug herankommt. Das gilt sogar für Licht. Forschende in der Astrophysik wie Chi-kwan Chan untersuchen Schwarze Löcher mithilfe von Computersimulationen und Beobachtungen. Doch heutige Algorithmen und die verfügbare Rechenleistung begrenzen, wie realistisch diese Simulationen sein können.

Mit Codex geht Chan, der an der University of Arizona und am Steward Observatory forscht, dieses Problem an.

Schwarze Löcher gehören zu den besten Orten, um Einsteins allgemeine Relativitätstheorie zu überprüfen, erklärt er. Diese Theorie liefert derzeit unsere beste Erklärung für Gravitation: Statt einer Kraft, die Objekte zueinander zieht, ist Gravitation das Ergebnis der Krümmung von Raum und Zeit durch Masse und Energie.

Chan ist Teil der internationalen Event Horizon Telescope (EHT)-Kollaboration, die 2019 das erste Bild eines Schwarzen Lochs veröffentlichte. Das Team sammelt derzeit Beobachtungsdaten, um das erste Video eines supermassereichen Schwarzen Lochs zu erstellen. Im Fokus steht dabei das Schwarze Loch im Zentrum der Galaxie M87. 

Um aus Beobachtungen wissenschaftliche Erkenntnisse zu gewinnen, müssen jedoch enorme Datenmengen verarbeitet werden. Dafür braucht es umfangreiche Rechenabläufe und Simulationen, die einige der extremsten physikalischen Vorgänge im Universum abbilden können.

Da Licht einem Schwarzen Loch nicht entkommen kann, untersuchen Forschende stattdessen den Bereich um das Schwarze Loch, den sogenannten Ereignishorizont. Er bildet die Grenze, jenseits derer Materie nicht mehr entkommen kann. „Es ist eine Fläche, hinter der es kein Zurück mehr gibt“, sagt Chan. Materie, die unmittelbar außerhalb dieser Grenze kreist, sendet Licht aus, das Forschende in der Astrophysik sehen, messen und simulieren können. 

Das 2019 vom EHT veröffentlichte Bild zeigte den Schatten eines Schwarzen Lochs, eingebettet in leuchtendes Plasma nahe dem Ereignishorizont. Chan wirkte an der Entwicklung der Simulations- und Rechenwerkzeuge mit, die das Team zur Interpretation der Beobachtungen nutzte. Seitdem haben Chan und sein Team ihre Instrumente und Beobachtungsmöglichkeiten weiter verbessert. Dabei arbeiten sie auf den Übergang von Einzelbildern zu Videos hin.

Das Problem der Spiralbewegungen angehen

Eine der größten Hürden für Chan und sein Team ist die Modellierung des Plasmas um Schwarze Löcher. Plasma ist extrem heiße Materie aus elektrisch geladenen Elektronen und Ionen.

In vielen Simulationen behandeln Forschende Plasma vereinfachend wie ein Fluid und modellieren seine Bewegung um ein Schwarzes Loch mit bekannten Gleichungen. Das funktioniert recht gut bei dichterem Plasma, in dem Elektronen und Ionen ständig miteinander kollidieren. 

Doch nahe den supermassereichen Schwarzen Löchern, die Chan und sein Team untersuchen, werden manche Bereiche so heiß und dünn, dass Teilchen nur selten aufeinandertreffen. „Sie stoßen praktisch nicht miteinander zusammen“, erklärt er. Stattdessen bewegen sich die Teilchen überwiegend spiralförmig um magnetische Feldlinien. 

Um dieses Verhalten korrekt zu modellieren, müssen Forschende Billionen von Elektronen und Ionen verfolgen, die sich in schnellen Schraubenbewegungen um ein Schwarzes Loch bewegen. Herkömmliche Simulationen müssen jede winzige Windung berechnen. Dafür müssen Computer in extrem kleinen Zeitschritten rechnen.

So können selbst die schnellsten Supercomputer der Welt den Großteil ihrer Zeit damit verbringen, diese winzigen Teilchenbewegungen zu berechnen, statt das Verhalten auf größeren Skalen zu simulieren, das die Forschenden eigentlich untersuchen möchten.

„Seit Jahrzehnten begrenzt das, wie realistisch wir Plasma um Schwarze Löcher simulieren können“, sagt Chan.

Mit KI einen besseren digitalen Zwilling entwickeln

Chan vermutete, dass neue mathematische Verfahren helfen könnten, einige dieser Einschränkungen zu umgehen. Die Grundidee war, die mathematische Beschreibung der Teilchenbewegung in der Simulation so zu verändern, dass der Computer nicht mehr jede winzige Spirale direkt verfolgen muss.

„Aber alle mathematischen Möglichkeiten von Hand durchzugehen, hätte enorm viel Zeit gekostet“, sagt Chan. Deshalb nutzte er Codex, um mögliche Algorithmen herzuleiten und anhand bekannter Lösungen zu testen.

Codex erzeugte viele mögliche Ansätze. Nicht alle waren korrekt. „Aber das ist in Ordnung“, sagt Chan. „Die meisten wissenschaftlichen Ideen scheitern. Entscheidend ist, dass sich diese Algorithmen überprüfen lassen. Findet man einen, der funktioniert, kann er möglicherweise Simulationen erlauben, die zuvor unmöglich waren.“ 

Manche KI-Systeme liefern Ergebnisse, ohne die Schritte offenzulegen, die zu ihren Schlussfolgerungen geführt haben. Chans Forschungsgruppe nutzt Codex dagegen, um numerische Verfahren vorschlagen und implementieren zu lassen, die das Team prüfen, testen und physikalisch nachvollziehen kann.

Große Sprachmodelle machen nach wie vor Fehler, und viele Forschende bleiben beim Einsatz von KI in der Forschung vorsichtig. Doch Chan hält die Wissenschaft für eines der möglicherweise besten Einsatzgebiete heutiger KI-Systeme, gerade weil sich wissenschaftliche Ideen gründlich überprüfen lassen.

„Wir akzeptieren eine Idee nicht deshalb, weil sie von Einstein, von einer klugen Person im Studium oder von einem KI-Modell stammt“, sagt er. „Wir akzeptieren sie erst nach wiederholter Überprüfung.“

Chan sieht KI als Werkzeug, das Forschenden helfen kann, mehr Ideen zu erkunden, sie schneller zu testen und rascher zu neuen Erkenntnissen zu gelangen. Überprüfung und Reproduzierbarkeit bleiben dabei die Grundlage.

Wenn die Ansätze, die Chan mit Codex testet, erfolgreich sind, könnten die neuen Algorithmen es Forschenden künftig ermöglichen, Billionen von Teilchen um Schwarze Löcher zu simulieren. Damit könnten Forschende physikalische Vorgänge untersuchen, die seit Jahrzehnten außerhalb ihrer Reichweite liegen.