Come un astrofisico usa Codex per simulare i buchi neri

La gravità attorno a un buco nero è così intensa che nulla, nemmeno la luce, può sfuggirle una volta che si avvicina abbastanza. Gli astrofisici come Chi-kwan Chan studiano i buchi neri attraverso simulazioni al computer e osservazioni. Ma gli algoritmi e la potenza di calcolo attuali limitano il realismo di queste simulazioni.

Con Codex, Chan, ricercatore presso l’Università dell’Arizona e lo Steward Observatory, sta affrontando questo problema.

I buchi neri sono tra i luoghi migliori in cui mettere alla prova la teoria della relatività generale di Einstein, ha spiegato. La teoria è attualmente la nostra migliore spiegazione della gravità: anziché una forza che attrae gli oggetti l’uno verso l’altro, la gravità è il risultato della curvatura del tessuto dello spazio e del tempo dovuta alla massa e all’energia.

Chan fa parte della collaborazione internazionale Event Horizon Telescope (EHT), che nel 2019 ha pubblicato la prima immagine di un buco nero. Il gruppo sta raccogliendo osservazioni per realizzare il primo video di un buco nero supermassiccio, concentrandosi su quello al centro della galassia M87. 

Ma trasformare le osservazioni in conoscenza scientifica richiede l’elaborazione di enormi quantità di dati, processi di calcolo su larga scala e simulazioni in grado di modellizzare alcuni dei fenomeni fisici più estremi dell’universo.

Poiché la luce non può sfuggire a un buco nero, gli scienziati studiano invece la regione che lo circonda, chiamata orizzonte degli eventi: un confine oltre il quale la materia non può più uscire. “È una superficie di non ritorno”, ha spiegato Chan. La materia che vortica appena al di fuori di questo confine emette luce che gli astrofisici possono osservare, misurare e simulare. 

L’immagine pubblicata dall’EHT nel 2019 mostrava l’ombra di un buco nero immersa nel plasma luminoso vicino all’orizzonte degli eventi. Chan ha contribuito a sviluppare gli strumenti di simulazione e di calcolo che il gruppo ha usato per interpretare le osservazioni. Da allora, Chan e i suoi colleghi hanno continuato a migliorare gli strumenti e le capacità di osservazione, mentre il gruppo lavora per passare dalle immagini statiche ai video.

Affrontare un problema a spirale

Uno dei maggiori ostacoli per Chan e il suo gruppo è modellizzare il plasma attorno ai buchi neri. Il plasma è materia a temperature elevatissime, composta da elettroni e ioni dotati di carica elettrica.

In molte simulazioni, gli scienziati semplificano la descrizione del plasma trattandolo come un fluido e usando equazioni ben note per modellizzarne il movimento attorno a un buco nero. Questo approccio funziona abbastanza bene nel plasma più denso, dove gli elettroni e gli ioni si scontrano continuamente tra loro. 

Ma vicino ai buchi neri supermassicci che Chan e i suoi colleghi stanno studiando, in alcune regioni il plasma diventa così caldo e rarefatto che le particelle si incontrano di rado. “In pratica non si scontrano tra loro”, ha spiegato. Le particelle si muovono invece soprattutto a spirale attorno alle linee del campo magnetico. 

Per modellizzare correttamente questo comportamento, i ricercatori devono seguire migliaia di miliardi di elettroni e ioni mentre percorrono rapide traiettorie elicoidali attorno a un buco nero. Le simulazioni standard devono calcolare ogni minima rotazione, costringendo i computer a procedere per intervalli di tempo estremamente piccoli.

Di conseguenza, persino i supercomputer più veloci al mondo possono impiegare gran parte del tempo a calcolare questi minuscoli movimenti delle particelle anziché simulare il comportamento su scala più ampia che gli scienziati vogliono effettivamente studiare.

“Per decenni, questo ha limitato il realismo con cui possiamo simulare il plasma dei buchi neri”, ha detto Chan.

Usare l’IA per creare un gemello digitale migliore

Chan sospettava che nuove tecniche matematiche potessero aiutare ad aggirare alcune di queste limitazioni. L’idea di fondo era modificare, sul piano matematico, il modo in cui la simulazione seguiva il moto delle particelle, così che il computer non dovesse più seguire direttamente ogni minuscola spirale.

“Ma esplorare a mano tutte le possibilità matematiche avrebbe richiesto un’enorme quantità di tempo”, ha detto Chan. Si è quindi rivolto a Codex per farsi aiutare a ricavare possibili algoritmi e a testarli confrontandoli con soluzioni note.

Codex ha generato molti possibili approcci, non tutti corretti. “Ma va bene così”, ha detto Chan. “La maggior parte delle idee scientifiche non funziona. Ciò che conta è che questi algoritmi possano essere messi alla prova. Una volta trovato un algoritmo che funziona, questo può potenzialmente rendere possibili simulazioni che prima erano irrealizzabili.” 

Alcuni sistemi di IA possono fornire risultati senza mostrare i passaggi con cui sono giunti alle loro conclusioni. Il gruppo di Chan, invece, usa Codex per proporre e implementare schemi numerici che i ricercatori possono esaminare, testare e comprendere dal punto di vista fisico.

I modelli linguistici di grandi dimensioni commettono ancora errori e molti scienziati restano cauti sull’uso dell’IA nella ricerca. Ma Chan ritiene che la scienza possa essere uno dei migliori ambiti d’impiego per gli attuali sistemi di IA, proprio perché le idee scientifiche possono essere sottoposte a verifiche rigorose.

“Non accettiamo un’idea perché viene da Einstein, da uno studente brillante o da un modello di IA”, ha detto. “La accettiamo solo dopo ripetute verifiche.”

Chan vede l’IA come uno strumento che può aiutare i ricercatori a esplorare più idee, testarle più rapidamente e accelerare le scoperte, mantenendo saldi i principi della verifica e della riproducibilità.

Se gli approcci che Chan sta testando con Codex avranno successo, i nuovi algoritmi potrebbero in futuro consentire agli scienziati di simulare migliaia di miliardi di particelle attorno ai buchi neri. Questo permetterebbe ai ricercatori di studiare fenomeni fisici rimasti inaccessibili per decenni.