Cómo un astrofísico usa Codex para ayudar a simular agujeros negros

La gravedad alrededor de un agujero negro es tan extrema que nada, ni siquiera la luz, puede escapar una vez que se acerca lo suficiente. Astrofísicos como Chi-kwan Chan estudian los agujeros negros mediante simulaciones por computadora y observaciones. Pero los algoritmos y la capacidad de cómputo actuales limitan el realismo que pueden alcanzar esas simulaciones.

Con Codex, Chan —investigador de la Universidad de Arizona y del Observatorio Steward— está abordando este problema.

Los agujeros negros son algunos de los mejores lugares para poner a prueba la teoría de la relatividad general de Einstein, señaló. La teoría es, por ahora, nuestra mejor explicación de la gravedad: en lugar de ser una fuerza que atrae los objetos entre sí, la gravedad es el resultado de la curvatura del espacio y el tiempo causada por la masa y la energía.

Chan forma parte de la colaboración internacional del Telescopio del Horizonte de Sucesos (EHT), que publicó la primera imagen de un agujero negro en 2019. Actualmente, el equipo está reuniendo observaciones para producir el primer video de un agujero negro supermasivo, centrándose en el que se encuentra en el centro de la galaxia M87. 

Pero convertir las observaciones en conocimiento científico exige procesar enormes cantidades de datos, contar con flujos de trabajo computacionales a gran escala y realizar simulaciones capaces de modelar algunos de los fenómenos físicos más extremos del universo.

Como la luz no puede escapar de un agujero negro, los científicos estudian la región que lo rodea, llamada horizonte de sucesos: un límite más allá del cual la materia no puede escapar. “Es una superficie sin retorno”, dijo Chan. La materia que gira justo fuera de este límite emite luz que los astrofísicos pueden ver, medir y simular. 

La imagen publicada por el EHT en 2019 mostraba la sombra de un agujero negro rodeada de plasma brillante cerca del horizonte de sucesos. Chan ayudó a desarrollar las herramientas de simulación y cómputo que el equipo utilizó para interpretar las observaciones. Desde entonces, Chan y sus colegas han seguido mejorando sus instrumentos y capacidades de observación a medida que el equipo avanza de las imágenes fijas hacia los videos.

Abordar un problema que gira en espiral

Uno de los mayores obstáculos para Chan y su equipo es modelar el plasma alrededor de los agujeros negros. El plasma es materia a temperaturas extremadamente altas, compuesta por electrones e iones con carga eléctrica.

En muchas simulaciones, los científicos simplifican el plasma al tratarlo como un fluido y usan ecuaciones bien conocidas para modelar su movimiento alrededor de un agujero negro. Esto funciona razonablemente bien en el plasma más denso, donde los electrones y los iones chocan constantemente entre sí. 

Pero cerca de los agujeros negros supermasivos que estudian Chan y sus colegas, algunas regiones se vuelven tan calientes y poco densas que las partículas rara vez se encuentran. “En realidad, no chocan entre sí”, explicó. En cambio, las partículas se mueven principalmente en espiral alrededor de las líneas del campo magnético. 

Para modelar correctamente ese comportamiento, los investigadores necesitan seguir billones de electrones e iones mientras se desplazan rápidamente en espiral alrededor de un agujero negro. Las simulaciones convencionales deben calcular cada diminuto giro, lo que obliga a las computadoras a avanzar en intervalos de tiempo extremadamente pequeños.

Como resultado, incluso las supercomputadoras más rápidas del mundo pueden pasar la mayor parte del tiempo calculando estos minúsculos movimientos de las partículas, en lugar de simular el comportamiento a mayor escala que los científicos realmente quieren estudiar.

“Durante décadas, esto ha limitado el realismo con el que podemos simular el plasma de los agujeros negros”, dijo Chan.

Usar la IA para crear un mejor gemelo digital

Chan sospechaba que nuevas técnicas matemáticas podrían ayudar a sortear algunas de estas limitaciones. La idea básica era cambiar, mediante las matemáticas, la forma en que la simulación seguía el movimiento de las partículas, para que la computadora ya no tuviera que seguir directamente cada diminuta espiral.

“Pero explorar a mano todas las posibilidades matemáticas habría llevado muchísimo tiempo”, dijo Chan. Así que recurrió a Codex para que lo ayudara a derivar posibles algoritmos y ponerlos a prueba comparándolos con soluciones conocidas.

Codex generó muchos enfoques posibles, aunque no todos eran correctos. “Pero eso está bien”, dijo Chan. “La mayoría de las ideas científicas fracasan. Lo importante es que estos algoritmos se pueden poner a prueba. Una vez que encuentras uno que funciona, podría hacer posibles simulaciones que antes eran imposibles”. 

Algunos sistemas de IA pueden ofrecer resultados sin mostrar los pasos que siguieron para llegar a sus conclusiones. Pero el grupo de Chan usa Codex para proponer e implementar esquemas numéricos que pueden inspeccionar, poner a prueba y comprender desde el punto de vista físico.

Los grandes modelos de lenguaje aún cometen errores, y muchos científicos siguen siendo cautelosos con el uso de la IA en la investigación. Pero Chan cree que la ciencia podría ser uno de los mejores usos de los sistemas de IA actuales, precisamente porque las ideas científicas se pueden poner a prueba de forma rigurosa.

“No aceptamos una idea porque provenga de Einstein, de un estudiante brillante o de un modelo de IA”, dijo. “Solo la aceptamos después de ponerla a prueba repetidamente”.

Chan considera que la IA es una herramienta que puede ayudar a los investigadores a explorar más ideas, ponerlas a prueba con mayor rapidez y acelerar los descubrimientos, sin dejar de basarse en la verificación y la reproducibilidad.

Si los enfoques que Chan está probando con Codex dan resultado, los nuevos algoritmos podrían permitir, con el tiempo, que los científicos simulen billones de partículas alrededor de los agujeros negros. Eso permitiría a los investigadores estudiar fenómenos físicos que han estado fuera de su alcance durante décadas.