Comment un astrophysicien utilise Codex pour simuler des trous noirs

La gravité autour d’un trou noir est si intense que rien, pas même la lumière, ne peut s’en échapper une fois suffisamment près. Des astrophysiciens comme Chi-kwan Chan étudient les trous noirs à l’aide de simulations informatiques et d’observations. Mais les algorithmes et la puissance de calcul actuels limitent le réalisme de ces simulations.

Avec Codex, Chan, chercheur à l’université de l’Arizona et à l’observatoire Steward, s’attaque à ce problème.

Les trous noirs comptent parmi les meilleurs endroits pour tester la théorie de la relativité générale d’Einstein, explique-t-il. Cette théorie est actuellement notre meilleure explication de la gravité : plutôt qu’une force qui attire les objets les uns vers les autres, la gravité résulte de la courbure de la trame de l’espace et du temps sous l’effet de la masse et de l’énergie.

Chan fait partie de la collaboration internationale Event Horizon Telescope (EHT), qui a publié la première image d’un trou noir en 2019. L’équipe recueille actuellement des observations pour produire la première vidéo d’un trou noir supermassif, en se concentrant sur celui situé au centre de la galaxie M87. 

Mais transformer les observations en connaissances scientifiques exige de traiter d’énormes quantités de données, de mener des calculs à grande échelle et de disposer de simulations capables de modéliser certains des phénomènes physiques les plus extrêmes de l’univers.

Comme la lumière ne peut pas s’échapper d’un trou noir, les scientifiques étudient plutôt la région qui l’entoure, appelée horizon des événements, une frontière au-delà de laquelle la matière ne peut plus s’échapper. « C’est une surface de non-retour », explique Chan. La matière qui tourbillonne juste à l’extérieur de cette frontière émet de la lumière que les astrophysiciens peuvent observer, mesurer et simuler. 

L’image publiée en 2019 par l’EHT montrait l’ombre d’un trou noir entourée de plasma lumineux près de l’horizon des événements. Chan a contribué au développement des outils de simulation et de calcul utilisés par l’équipe pour interpréter les observations. Depuis, Chan et ses collègues continuent d’améliorer leurs instruments et leurs capacités d’observation, à mesure que l’équipe passe des images fixes aux vidéos.

S’attaquer au problème des spirales

L’un des principaux obstacles pour Chan et son équipe est la modélisation du plasma autour des trous noirs. Le plasma est une matière surchauffée constituée d’électrons et d’ions chargés électriquement.

Dans de nombreuses simulations, les scientifiques simplifient le plasma en le traitant comme un fluide, à l’aide d’équations bien connues pour modéliser son mouvement autour d’un trou noir. Cela fonctionne assez bien dans un plasma plus dense, où les électrons et les ions entrent constamment en collision les uns avec les autres. 

Mais près des trous noirs supermassifs qu’étudient Chan et ses collègues, certaines régions deviennent si chaudes et si peu denses que les particules se rencontrent rarement. « Elles n’entrent pas vraiment en collision les unes avec les autres », explique-t-il. Les particules décrivent plutôt, pour l’essentiel, des spirales autour des lignes de champ magnétique. 

Pour modéliser correctement ce comportement, les chercheurs doivent suivre des milliers de milliards d’électrons et d’ions qui se déplacent rapidement en hélice autour d’un trou noir. Les simulations classiques doivent calculer chaque infime rotation, ce qui oblige les ordinateurs à utiliser des pas de temps extrêmement courts.

Ainsi, même les supercalculateurs les plus rapides au monde peuvent passer l’essentiel de leur temps à calculer ces minuscules mouvements de particules, plutôt qu’à simuler le comportement à plus grande échelle que les scientifiques souhaitent réellement étudier.

« Depuis des décennies, cela limite le réalisme de nos simulations du plasma autour des trous noirs », explique Chan.

Utiliser l’IA pour créer un meilleur jumeau numérique

Chan soupçonnait que de nouvelles techniques mathématiques pourraient aider à contourner certaines de ces limites. L’idée de base était de modifier, sur le plan mathématique, la façon dont la simulation suivait le mouvement des particules, pour que l’ordinateur n’ait plus à suivre directement chaque minuscule spirale.

« Mais explorer à la main toutes les possibilités mathématiques aurait pris énormément de temps », explique Chan. Il s’est donc tourné vers Codex pour l’aider à élaborer des algorithmes candidats et à les tester par rapport à des solutions connues.

Codex a généré de nombreuses approches possibles, qui n’étaient pas toutes correctes. « Mais ce n’est pas un problème », précise Chan. « La plupart des idées scientifiques échouent. Ce qui compte, c’est que ces algorithmes puissent être testés. Une fois qu’on en trouve un qui fonctionne, il peut ouvrir la voie à des simulations jusqu’alors impossibles. » 

Certains systèmes d’IA peuvent fournir des résultats sans montrer les étapes qui les ont menés à leurs conclusions. Mais l’équipe de Chan utilise Codex pour proposer et implémenter des schémas numériques qu’elle peut examiner, tester et comprendre sur le plan physique.

Les grands modèles de langage commettent encore des erreurs, et de nombreux scientifiques restent prudents quant à l’utilisation de l’IA dans la recherche. Mais Chan estime que la science pourrait être l’un des meilleurs domaines d’application des systèmes d’IA actuels, précisément parce que les idées scientifiques peuvent être testées rigoureusement.

« Nous n’acceptons pas une idée parce qu’elle vient d’Einstein, d’un étudiant brillant ou d’un modèle d’IA », explique-t-il. « Nous ne l’acceptons qu’après l’avoir testée à plusieurs reprises. »

Chan voit l’IA comme un outil qui peut aider les chercheurs à explorer davantage d’idées, à les tester plus rapidement et à accélérer les découvertes, tout en s’appuyant sur la vérification et la reproductibilité.

Si les approches que Chan teste avec Codex aboutissent, les nouveaux algorithmes pourraient à terme permettre aux scientifiques de simuler des milliers de milliards de particules autour des trous noirs. Les chercheurs pourraient ainsi étudier des phénomènes physiques restés hors de portée depuis des décennies.