როგორ იყენებს ასტროფიზიკოსი Codex-ს შავი ხვრელების სიმულაციისთვის

შავი ხვრელის გარშემო გრავიტაცია იმდენად ძლიერია, რომ საკმარისად მიახლოების შემდეგ მისგან თავს ვერაფერი აღწევს — სინათლეც კი. ჩი-კვან ჩანი და სხვა ასტროფიზიკოსები შავ ხვრელებს კომპიუტერული სიმულაციებითა და დაკვირვებებით სწავლობენ. თუმცა არსებული ალგორითმები და გამოთვლითი სიმძლავრე ამ სიმულაციების რეალისტურობას ზღუდავს.

არიზონის უნივერსიტეტისა და სტიუარდის ობსერვატორიის მკვლევარი ჩანი ამ პრობლემის გადაჭრაზე Codex-ის დახმარებით მუშაობს.

მისი თქმით, შავი ხვრელები აინშტაინის ფარდობითობის ზოგადი თეორიის შესამოწმებლად ერთ-ერთი საუკეთესო ადგილია. ეს თეორია დღეს გრავიტაციის საუკეთესო ახსნას გვთავაზობს: გრავიტაცია ობიექტების ერთმანეთისკენ მიმზიდველი ძალა კი არ არის, არამედ მასითა და ენერგიით სივრცე-დროის გამრუდების შედეგი.

ჩანი საერთაშორისო პროექტის — „მოვლენათა ჰორიზონტის ტელესკოპის“ (EHT) — მონაწილეა. ამ პროექტის ფარგლებში 2019 წელს შავი ხვრელის პირველი გამოსახულება გამოქვეყნდა. გუნდი ახლა დაკვირვების მონაცემებს აგროვებს ზემასიური შავი ხვრელის პირველი ვიდეოს შესაქმნელად და ყურადღებას M87 გალაქტიკის ცენტრში მდებარე შავ ხვრელზე ამახვილებს. 

თუმცა დაკვირვებებიდან მეცნიერული ცოდნის მიღებას უზარმაზარი მოცულობის მონაცემთა დამუშავება, ფართომასშტაბიანი გამოთვლითი პროცესები და ისეთი სიმულაციები სჭირდება, რომლებითაც სამყაროს ზოგიერთი ყველაზე ექსტრემალური ფიზიკური მოვლენის მოდელირებაა შესაძლებელი.

რადგან სინათლე შავი ხვრელიდან ვერ აღწევს თავს, მეცნიერები მის გარშემო არსებულ არეს იკვლევენ, რომელსაც მოვლენათა ჰორიზონტი ეწოდება — ეს არის საზღვარი, რომლის გადაკვეთის შემდეგაც მატერია უკან ვეღარ ბრუნდება. „ეს ზედაპირია, რომლის მიღმაც უკან დასაბრუნებელი გზა აღარ არსებობს“, — ამბობს ჩანი. ამ საზღვრის უშუალოდ გარეთ მბრუნავი მატერია ასხივებს სინათლეს, რომლის დანახვა, გაზომვა და სიმულირებაც ასტროფიზიკოსებს შეუძლიათ. 

EHT-ის მიერ 2019 წელს გამოქვეყნებულ გამოსახულებაზე ჩანდა შავი ხვრელის ჩრდილი, რომელსაც მოვლენათა ჰორიზონტთან მანათობელი პლაზმა აკრავდა. ჩანი მონაწილეობდა სიმულაციისა და გამოთვლითი ხელსაწყოების შექმნაში, რომლებიც გუნდმა დაკვირვების მონაცემების ინტერპრეტაციისთვის გამოიყენა. მას შემდეგ ჩანი და მისი კოლეგები განაგრძობენ ხელსაწყოებისა და დაკვირვების შესაძლებლობების გაუმჯობესებას, გუნდი კი სტატიკური გამოსახულებებიდან ვიდეოებზე გადადის.

სპირალური მოძრაობის პრობლემის გადაჭრა

ჩანისა და მისი გუნდისთვის ერთ-ერთი მთავარი დაბრკოლება შავი ხვრელების გარშემო პლაზმის მოდელირებაა. პლაზმა უკიდურესად გახურებული მატერიაა, რომელიც ელექტრულად დამუხტული ელექტრონებისა და იონებისგან შედგება.

მრავალ სიმულაციაში მეცნიერები პლაზმის აღწერას ამარტივებენ: მას სითხედ განიხილავენ და შავი ხვრელის გარშემო მისი მოძრაობის მოდელირებისთვის კარგად ცნობილ განტოლებებს იყენებენ. ეს მიდგომა საკმაოდ კარგად მუშაობს უფრო მკვრივ პლაზმაში, სადაც ელექტრონები და იონები მუდმივად ეჯახებიან ერთმანეთს. 

მაგრამ იმ ზემასიურ შავ ხვრელებთან, რომლებსაც ჩანი და მისი კოლეგები სწავლობენ, ზოგიერთ არეში პლაზმა იმდენად ცხელი და გაიშვიათებულია, რომ ნაწილაკები ერთმანეთს იშვიათად ხვდებიან. „ისინი პრაქტიკულად არ ეჯახებიან ერთმანეთს“, — ამბობს ის. ამის ნაცვლად, ნაწილაკები ძირითადად მაგნიტური ველის წირების გარშემო სპირალურად მოძრაობენ. 

ამ ქცევის სწორად მოდელირებისთვის მკვლევრებმა თვალი უნდა ადევნონ ტრილიონობით ელექტრონსა და იონს, რომლებიც შავი ხვრელის გარშემო სწრაფად მოძრაობენ სპირალური ტრაექტორიებით. სტანდარტულ სიმულაციებში საჭიროა ყოველი უმცირესი მოხვევის გამოთვლა, რაც კომპიუტერებს აიძულებს, უკიდურესად მცირე დროითი ბიჯებით იმუშაონ.

შედეგად, მსოფლიოს უსწრაფესი სუპერკომპიუტერებიც კი დროის უდიდეს ნაწილს შესაძლოა ნაწილაკების ამ უმცირესი მოძრაობების გამოთვლას უთმობდნენ და არა იმ ფართომასშტაბიანი ქცევის სიმულაციას, რომლის შესწავლაც მეცნიერებს სინამდვილეში სურთ.

„ათწლეულებია, ეს ზღუდავს შავი ხვრელის პლაზმის რეალისტური სიმულაციის შესაძლებლობას“, — ამბობს ჩანი.

უკეთესი ციფრული ტყუპის შექმნა ხელოვნური ინტელექტით

ჩანი ვარაუდობდა, რომ ახალი მათემატიკური მეთოდები ზოგიერთი ამ შეზღუდვის დაძლევაში დაეხმარებოდა. ძირითადი იდეა იყო ნაწილაკების მოძრაობის აღრიცხვის მათემატიკური ხერხის შეცვლა სიმულაციაში, რათა კომპიუტერს ყოველი უმცირესი სპირალის უშუალოდ მიდევნება აღარ დასჭირვებოდა.

„თუმცა ყველა მათემატიკური შესაძლებლობის ხელით შესწავლას უზარმაზარი დრო დასჭირდებოდა“, — ამბობს ჩანი. ამიტომ მან Codex-ს მიმართა, რათა შესაძლო ალგორითმების გამოყვანასა და ცნობილ ამონახსნებთან მათი შესაბამისობის შემოწმებაში დახმარებოდა.

Codex-მა მრავალი შესაძლო მიდგომა შექმნა — თუმცა ყველა სწორი არ ყოფილა. „მაგრამ ეს პრობლემა არ არის“, — ამბობს ჩანი. „სამეცნიერო იდეების უმეტესობა არ ამართლებს. მთავარია, რომ ამ ალგორითმების შემოწმება შესაძლებელია. როგორც კი იპოვით ისეთ ალგორითმს, რომელიც მუშაობს, მან შეიძლება მანამდე შეუძლებელი სიმულაციების შექმნის საშუალება მოგცეთ“. 

ხელოვნური ინტელექტის ზოგიერთ სისტემას შედეგების მოწოდება შეუძლია ისე, რომ არ აჩვენოს, რა ნაბიჯებით მივიდა დასკვნებამდე. ჩანის ჯგუფი კი Codex-ს ისეთი რიცხვითი სქემების შეთავაზებისა და განხორციელებისთვის იყენებს, რომელთა შესწავლა, შემოწმება და ფიზიკური თვალსაზრისით გააზრება თავად შეუძლიათ.

დიდი ენობრივი მოდელები კვლავ უშვებენ შეცდომებს და ბევრი მეცნიერი კვლევაში ხელოვნური ინტელექტის გამოყენებას ჯერ კიდევ სიფრთხილით ეკიდება. თუმცა ჩანს მიაჩნია, რომ მეცნიერება დღევანდელი ხელოვნური ინტელექტის სისტემების გამოყენების ერთ-ერთი საუკეთესო სფერო შეიძლება იყოს სწორედ იმიტომ, რომ სამეცნიერო იდეების საფუძვლიანად შემოწმება შესაძლებელია.

„იდეას მხოლოდ იმიტომ არ ვიღებთ, რომ ის აინშტაინს, ნიჭიერ სტუდენტს ან ხელოვნური ინტელექტის მოდელს ეკუთვნის“, — ამბობს ის. „მას მხოლოდ მრავალჯერადი შემოწმების შემდეგ ვიღებთ“.

ჩანისთვის ხელოვნური ინტელექტი ხელსაწყოა, რომელიც მკვლევრებს მეტი იდეის შესწავლაში, მათ უფრო სწრაფად შემოწმებასა და აღმოჩენების დაჩქარებაში დაეხმარება ისე, რომ კვლევა კვლავ გადამოწმებასა და შედეგების გამეორებადობას დაეფუძნოს.

თუ მიდგომები, რომლებსაც ჩანი Codex-ით ამოწმებს, გაამართლებს, ახალმა ალგორითმებმა შესაძლოა საბოლოოდ მეცნიერებს შავი ხვრელების გარშემო ტრილიონობით ნაწილაკის სიმულაციის საშუალება მისცეს. ეს მკვლევრებს საშუალებას მისცემდა, შეესწავლათ ფიზიკური პროცესები, რომლებიც ათწლეულების განმავლობაში მათი შესაძლებლობების მიღმა რჩებოდა.