ಕಪ್ಪುಕುಳಿಗಳ ಅನುಕರಣೆಗೆ ಖಗೋಳಭೌತವಿಜ್ಞಾನಿಯೊಬ್ಬರು Codex ಬಳಸುವ ಬಗೆ

ಕಪ್ಪುಕುಳಿಯ ಸುತ್ತ ಗುರುತ್ವಾಕರ್ಷಣೆ ಎಷ್ಟು ತೀವ್ರವಾಗಿರುತ್ತದೆ ಎಂದರೆ, ಸಾಕಷ್ಟು ಹತ್ತಿರ ಬಂದ ಯಾವುದೂ ತಪ್ಪಿಸಿಕೊಳ್ಳಲು ಸಾಧ್ಯವಿಲ್ಲ—ಬೆಳಕು ಕೂಡ. ಚಿ-ಕ್ವಾನ್ ಚಾನ್ ಅವರಂತಹ ಖಗೋಳಭೌತವಿಜ್ಞಾನಿಗಳು ಗಣಕ ಅನುಕರಣೆಗಳು ಮತ್ತು ವೀಕ್ಷಣೆಗಳ ಮೂಲಕ ಕಪ್ಪುಕುಳಿಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡುತ್ತಾರೆ. ಆದರೆ ಈಗಿನ ಕಲನಕ್ರಮಗಳು ಮತ್ತು ಗಣನಾ ಸಾಮರ್ಥ್ಯದಿಂದಾಗಿ ಈ ಅನುಕರಣೆಗಳು ವಾಸ್ತವಕ್ಕೆ ಎಷ್ಟು ಹತ್ತಿರವಾಗಿರಬಹುದು ಎಂಬುದಕ್ಕೆ ಮಿತಿ ಇದೆ.

ಅರಿಜೋನಾ ವಿಶ್ವವಿದ್ಯಾಲಯ ಮತ್ತು ಸ್ಟೀವರ್ಡ್ ವೀಕ್ಷಣಾಲಯದ ಸಂಶೋಧಕರಾದ ಚಾನ್, Codex ನೆರವಿನಿಂದ ಈ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದಾರೆ.

ಐನ್‌ಸ್ಟೈನ್ ಅವರ ಸಾಮಾನ್ಯ ಸಾಪೇಕ್ಷತಾ ಸಿದ್ಧಾಂತವನ್ನು ಪರೀಕ್ಷಿಸಲು ಕಪ್ಪುಕುಳಿಗಳು ಅತ್ಯುತ್ತಮ ಸ್ಥಳಗಳಲ್ಲಿ ಸೇರಿವೆ ಎಂದು ಅವರು ಹೇಳಿದರು. ಗುರುತ್ವಾಕರ್ಷಣೆಗೆ ಸದ್ಯ ನಮ್ಮಲ್ಲಿರುವ ಅತ್ಯುತ್ತಮ ವಿವರಣೆ ಈ ಸಿದ್ಧಾಂತ. ಇದರ ಪ್ರಕಾರ, ಗುರುತ್ವಾಕರ್ಷಣೆಯು ವಸ್ತುಗಳನ್ನು ಪರಸ್ಪರ ಸೆಳೆಯುವ ಬಲವಲ್ಲ; ದ್ರವ್ಯರಾಶಿ ಮತ್ತು ಶಕ್ತಿಯು ಸ್ಥಳ-ಕಾಲದ ರಚನೆಯನ್ನು ಬಾಗಿಸುವುದರ ಪರಿಣಾಮ.

2019ರಲ್ಲಿ ಕಪ್ಪುಕುಳಿಯ ಮೊದಲ ಚಿತ್ರವನ್ನು ಪ್ರಕಟಿಸಿದ ಅಂತರರಾಷ್ಟ್ರೀಯ ಈವೆಂಟ್ ಹರೈಜನ್ ಟೆಲಿಸ್ಕೋಪ್ (ಇಎಚ್‌ಟಿ) ಸಹಯೋಗದ ಸದಸ್ಯರು ಚಾನ್. ಅತಿದೊಡ್ಡ ಕಪ್ಪುಕುಳಿಯ ಮೊದಲ ವೀಡಿಯೊ ಸೃಷ್ಟಿಸಲು ತಂಡವು ಈಗ ವೀಕ್ಷಣಾ ದತ್ತಾಂಶ ಸಂಗ್ರಹಿಸುತ್ತಿದೆ. ಇದಕ್ಕಾಗಿ ಎಂ87 ಆಕಾಶಗಂಗೆಯ ಕೇಂದ್ರದಲ್ಲಿರುವ ಕಪ್ಪುಕುಳಿಯ ಮೇಲೆ ಗಮನ ಕೇಂದ್ರೀಕರಿಸಿದೆ. 

ಆದರೆ ವೀಕ್ಷಣೆಗಳಿಂದ ವೈಜ್ಞಾನಿಕ ತಿಳಿವಳಿಕೆ ಪಡೆಯಲು ಅಪಾರ ಪ್ರಮಾಣದ ದತ್ತಾಂಶ ಸಂಸ್ಕರಣೆ, ಬೃಹತ್ ಗಣನಾ ಕಾರ್ಯಪ್ರಕ್ರಿಯೆಗಳು ಮತ್ತು ಬ್ರಹ್ಮಾಂಡದ ಅತ್ಯಂತ ತೀವ್ರ ಭೌತಿಕ ಸ್ಥಿತಿಗಳನ್ನು ಪ್ರತಿನಿಧಿಸಬಲ್ಲ ಅನುಕರಣೆಗಳು ಅಗತ್ಯ.

ಬೆಳಕು ಕಪ್ಪುಕುಳಿಯಿಂದ ತಪ್ಪಿಸಿಕೊಳ್ಳಲು ಸಾಧ್ಯವಿಲ್ಲದ ಕಾರಣ, ವಿಜ್ಞಾನಿಗಳು ಅದರ ಸುತ್ತಲಿನ ಘಟನೆ ಕ್ಷಿತಿಜ ಎಂಬ ಪ್ರದೇಶವನ್ನು ಅಧ್ಯಯನ ಮಾಡುತ್ತಾರೆ. ಇದು ದಾಟಿದ ಬಳಿಕ ದ್ರವ್ಯವು ತಪ್ಪಿಸಿಕೊಳ್ಳಲಾಗದ ಗಡಿ. “ಅದು ದಾಟಿದರೆ ಮರಳಲಾಗದ ಮೇಲ್ಮೈ,” ಎಂದರು ಚಾನ್. ಈ ಗಡಿಯ ಹೊರಗೆ ಸುತ್ತುತ್ತಿರುವ ದ್ರವ್ಯವು ಬೆಳಕನ್ನು ಹೊರಸೂಸುತ್ತದೆ. ಖಗೋಳಭೌತವಿಜ್ಞಾನಿಗಳು ಆ ಬೆಳಕನ್ನು ನೋಡಬಹುದು, ಅಳೆಯಬಹುದು ಮತ್ತು ಅನುಕರಿಸಬಹುದು. 

ಇಎಚ್‌ಟಿ 2019ರಲ್ಲಿ ಬಿಡುಗಡೆ ಮಾಡಿದ ಚಿತ್ರದಲ್ಲಿ, ಘಟನೆ ಕ್ಷಿತಿಜದ ಬಳಿಯ ಹೊಳೆಯುವ ಪ್ಲಾಸ್ಮಾದ ನಡುವೆ ಕಪ್ಪುಕುಳಿಯ ನೆರಳು ಕಂಡುಬಂದಿತ್ತು. ವೀಕ್ಷಣೆಗಳನ್ನು ಅರ್ಥೈಸಲು ತಂಡ ಬಳಸಿದ ಅನುಕರಣಾ ಮತ್ತು ಗಣನಾ ಸಾಧನಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಚಾನ್ ನೆರವಾದರು. ಅಂದಿನಿಂದ ತಂಡವು ಸ್ಥಿರಚಿತ್ರಗಳಿಂದ ವೀಡಿಯೊಗಳತ್ತ ಸಾಗುತ್ತಿದ್ದು, ಚಾನ್ ಮತ್ತು ಅವರ ಸಹೋದ್ಯೋಗಿಗಳು ತಮ್ಮ ಉಪಕರಣಗಳು ಹಾಗೂ ವೀಕ್ಷಣಾ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಸುಧಾರಿಸುತ್ತಲೇ ಇದ್ದಾರೆ.

ಸುರುಳಿ ಚಲನೆಯ ಸಮಸ್ಯೆಗೆ ಪರಿಹಾರ

ಕಪ್ಪುಕುಳಿಗಳ ಸುತ್ತಲಿನ ಪ್ಲಾಸ್ಮಾವನ್ನು ಅನುಕರಿಸುವುದು ಚಾನ್ ಮತ್ತು ಅವರ ತಂಡ ಎದುರಿಸುತ್ತಿರುವ ಅತಿದೊಡ್ಡ ಅಡೆತಡೆಗಳಲ್ಲಿ ಒಂದು. ಪ್ಲಾಸ್ಮಾ ಎಂದರೆ ವಿದ್ಯುದಾವೇಶ ಹೊಂದಿರುವ ಎಲೆಕ್ಟ್ರಾನ್‌ಗಳು ಮತ್ತು ಅಯಾನುಗಳಿಂದ ಕೂಡಿದ ಅತ್ಯಂತ ಬಿಸಿಯಾದ ದ್ರವ್ಯ.

ಅನೇಕ ಅನುಕರಣೆಗಳಲ್ಲಿ ವಿಜ್ಞಾನಿಗಳು ಪ್ಲಾಸ್ಮಾವನ್ನು ಪ್ರವಾಹಿಯಂತೆ ಪರಿಗಣಿಸಿ ಸರಳೀಕರಿಸುತ್ತಾರೆ. ಕಪ್ಪುಕುಳಿಯ ಸುತ್ತ ಅದರ ಚಲನೆಯನ್ನು ಅನುಕರಿಸಲು ಸುಪರಿಚಿತ ಸಮೀಕರಣಗಳನ್ನು ಬಳಸುತ್ತಾರೆ. ಎಲೆಕ್ಟ್ರಾನ್‌ಗಳು ಮತ್ತು ಅಯಾನುಗಳು ನಿರಂತರವಾಗಿ ಪರಸ್ಪರ ಡಿಕ್ಕಿಯಾಗುವ ಹೆಚ್ಚು ಸಾಂದ್ರವಾದ ಪ್ಲಾಸ್ಮಾದಲ್ಲಿ ಈ ವಿಧಾನ ಸಾಕಷ್ಟು ಚೆನ್ನಾಗಿ ಕೆಲಸ ಮಾಡುತ್ತದೆ. 

ಆದರೆ ಚಾನ್ ಮತ್ತು ಅವರ ಸಹೋದ್ಯೋಗಿಗಳು ಅಧ್ಯಯನ ಮಾಡುತ್ತಿರುವ ಅತಿದೊಡ್ಡ ಕಪ್ಪುಕುಳಿಗಳ ಬಳಿ, ಕೆಲವು ಪ್ರದೇಶಗಳು ಎಷ್ಟು ಬಿಸಿಯಾಗಿ ಮತ್ತು ವಿರಳವಾಗಿರುತ್ತವೆ ಎಂದರೆ ಕಣಗಳು ಪರಸ್ಪರ ಎದುರಾಗುವುದೇ ಅಪರೂಪ. “ಅವು ಪರಸ್ಪರ ಡಿಕ್ಕಿಯಾಗುವುದೇ ಇಲ್ಲ ಎನ್ನಬಹುದು,” ಎಂದು ಅವರು ಹೇಳಿದರು. ಬದಲಿಗೆ, ಕಣಗಳು ಹೆಚ್ಚಾಗಿ ಕಾಂತಕ್ಷೇತ್ರದ ರೇಖೆಗಳ ಸುತ್ತ ಸುರುಳಿಯಾಗಿ ಚಲಿಸುತ್ತವೆ. 

ಈ ವರ್ತನೆಯನ್ನು ಸರಿಯಾಗಿ ಅನುಕರಿಸಲು, ಕಪ್ಪುಕುಳಿಯ ಸುತ್ತ ವೇಗವಾಗಿ ಸುರುಳಿಯಾಕಾರದಲ್ಲಿ ಚಲಿಸುವ ಲಕ್ಷಾಂತರ ಕೋಟಿ ಎಲೆಕ್ಟ್ರಾನ್‌ಗಳು ಮತ್ತು ಅಯಾನುಗಳನ್ನು ಸಂಶೋಧಕರು ಹಿಂಬಾಲಿಸಬೇಕಾಗುತ್ತದೆ. ಸಾಮಾನ್ಯ ಅನುಕರಣೆಗಳು ಪ್ರತಿ ಸಣ್ಣ ತಿರುವನ್ನೂ ಲೆಕ್ಕ ಹಾಕಬೇಕು. ಹೀಗಾಗಿ ಗಣಕಗಳು ಅತ್ಯಂತ ಚಿಕ್ಕ ಕಾಲಾಂತರಗಳಲ್ಲಿ ಲೆಕ್ಕಾಚಾರ ಮಾಡಬೇಕಾಗುತ್ತದೆ.

ಪರಿಣಾಮವಾಗಿ, ವಿಶ್ವದ ಅತ್ಯಂತ ವೇಗದ ಗಣಕಗಳೂ ತಮ್ಮ ಬಹುಪಾಲು ಸಮಯವನ್ನು ಈ ಅತಿಸೂಕ್ಷ್ಮ ಕಣಚಲನೆಗಳನ್ನು ಲೆಕ್ಕ ಹಾಕುವುದರಲ್ಲೇ ಕಳೆಯಬಹುದು. ವಿಜ್ಞಾನಿಗಳು ನಿಜವಾಗಿ ಅಧ್ಯಯನ ಮಾಡಲು ಬಯಸುವ ಒಟ್ಟಾರೆ ವರ್ತನೆಯ ಅನುಕರಣೆಗೆ ಇದು ಅಡ್ಡಿಯಾಗುತ್ತದೆ.

“ಕಪ್ಪುಕುಳಿಯ ಪ್ಲಾಸ್ಮಾವನ್ನು ನಾವು ಎಷ್ಟು ನೈಜವಾಗಿ ಅನುಕರಿಸಬಹುದು ಎಂಬುದನ್ನು ಇದು ದಶಕಗಳಿಂದ ಸೀಮಿತಗೊಳಿಸಿದೆ,” ಎಂದರು ಚಾನ್.

ಉತ್ತಮ ಡಿಜಿಟಲ್ ಪ್ರತಿರೂಪ ನಿರ್ಮಿಸಲು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಬಳಕೆ

ಹೊಸ ಗಣಿತ ತಂತ್ರಗಳು ಈ ಕೆಲವು ಮಿತಿಗಳನ್ನು ಮೀರಿ ಕೆಲಸ ಮಾಡಲು ನೆರವಾಗಬಹುದು ಎಂದು ಚಾನ್ ಭಾವಿಸಿದರು. ಕಣಗಳ ಚಲನೆಯನ್ನು ಅನುಕರಣೆ ಹಿಂಬಾಲಿಸುವ ವಿಧಾನವನ್ನು ಗಣಿತೀಯವಾಗಿ ಬದಲಿಸುವುದು ಮೂಲ ಆಲೋಚನೆಯಾಗಿತ್ತು. ಇದರಿಂದ ಗಣಕವು ಪ್ರತಿ ಸಣ್ಣ ಸುರುಳಿಯನ್ನೂ ನೇರವಾಗಿ ಹಿಂಬಾಲಿಸುವ ಅಗತ್ಯ ಇರುವುದಿಲ್ಲ.

“ಆದರೆ ಎಲ್ಲ ಗಣಿತೀಯ ಸಾಧ್ಯತೆಗಳನ್ನು ಕೈಯಾರೆ ಪರಿಶೀಲಿಸಲು ಅಪಾರ ಸಮಯ ಬೇಕಾಗುತ್ತಿತ್ತು,” ಎಂದರು ಚಾನ್. ಹೀಗಾಗಿ ಸಂಭಾವ್ಯ ಕಲನಕ್ರಮಗಳನ್ನು ರೂಪಿಸಲು ಮತ್ತು ತಿಳಿದಿರುವ ಪರಿಹಾರಗಳೊಂದಿಗೆ ಹೋಲಿಸಿ ಪರೀಕ್ಷಿಸಲು ಅವರು Codex ನೆರವು ಪಡೆದರು.

Codex ಹಲವು ಸಂಭಾವ್ಯ ವಿಧಾನಗಳನ್ನು ಸೃಷ್ಟಿಸಿತು—ಅವೆಲ್ಲವೂ ಸರಿಯಾಗಿರಲಿಲ್ಲ. “ಆದರೆ ಅದರಲ್ಲಿ ತೊಂದರೆಯಿಲ್ಲ,” ಎಂದರು ಚಾನ್. “ಬಹುತೇಕ ವೈಜ್ಞಾನಿಕ ಆಲೋಚನೆಗಳು ವಿಫಲವಾಗುತ್ತವೆ. ಈ ಕಲನಕ್ರಮಗಳನ್ನು ಪರೀಕ್ಷಿಸಲು ಸಾಧ್ಯವಿದೆ ಎಂಬುದೇ ಮುಖ್ಯ. ಕೆಲಸ ಮಾಡುವ ಕಲನಕ್ರಮವೊಂದು ಸಿಕ್ಕರೆ, ಹಿಂದೆ ಅಸಾಧ್ಯವಾಗಿದ್ದ ಅನುಕರಣೆಗಳು ಸಾಧ್ಯವಾಗಬಹುದು.” 

ಕೆಲವು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ವ್ಯವಸ್ಥೆಗಳು ತೀರ್ಮಾನಕ್ಕೆ ಬರಲು ಅನುಸರಿಸಿದ ಹಂತಗಳನ್ನು ತೋರಿಸದೆಯೇ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡಬಹುದು. ಆದರೆ ಚಾನ್ ಅವರ ತಂಡವು ತಾವೇ ಪರಿಶೀಲಿಸಬಹುದಾದ, ಪರೀಕ್ಷಿಸಬಹುದಾದ ಮತ್ತು ಭೌತಿಕವಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬಹುದಾದ ಸಂಖ್ಯಾತ್ಮಕ ವಿಧಾನಗಳನ್ನು ಸೂಚಿಸಲು ಹಾಗೂ ಕಾರ್ಯಗತಗೊಳಿಸಲು Codex ಬಳಸುತ್ತದೆ.

ಬೃಹತ್ ಭಾಷಾ ಮಾಡೆಲ್‌ಗಳು ಇನ್ನೂ ತಪ್ಪುಗಳನ್ನು ಮಾಡುತ್ತವೆ. ಸಂಶೋಧನೆಯಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಬಳಸುವ ಬಗ್ಗೆ ಅನೇಕ ವಿಜ್ಞಾನಿಗಳು ಎಚ್ಚರಿಕೆಯ ನಿಲುವು ಹೊಂದಿದ್ದಾರೆ. ಆದರೆ ವೈಜ್ಞಾನಿಕ ಆಲೋಚನೆಗಳನ್ನು ಕಟ್ಟುನಿಟ್ಟಾಗಿ ಪರೀಕ್ಷಿಸಲು ಸಾಧ್ಯವಿರುವುದರಿಂದಲೇ, ಇಂದಿನ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ವ್ಯವಸ್ಥೆಗಳ ಅತ್ಯುತ್ತಮ ಬಳಕೆಗಳಲ್ಲಿ ವಿಜ್ಞಾನವೂ ಒಂದಾಗಬಹುದು ಎಂದು ಚಾನ್ ನಂಬುತ್ತಾರೆ.

“ಒಂದು ಆಲೋಚನೆ ಐನ್‌ಸ್ಟೈನ್ ಅವರಿಂದ, ಚುರುಕಾದ ವಿದ್ಯಾರ್ಥಿಯಿಂದ ಅಥವಾ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಮಾಡೆಲ್‌ನಿಂದ ಬಂದಿದೆ ಎಂಬ ಕಾರಣಕ್ಕೆ ನಾವು ಅದನ್ನು ಒಪ್ಪಿಕೊಳ್ಳುವುದಿಲ್ಲ,” ಎಂದು ಅವರು ಹೇಳಿದರು. “ಪದೇಪದೇ ಪರೀಕ್ಷಿಸಿದ ನಂತರವೇ ಅದನ್ನು ಒಪ್ಪಿಕೊಳ್ಳುತ್ತೇವೆ.”

ಪರಿಶೀಲನೆ ಮತ್ತು ಫಲಿತಾಂಶಗಳ ಪುನರುತ್ಪಾದನೆಯನ್ನು ಆಧಾರವಾಗಿಟ್ಟುಕೊಂಡೇ ಹೆಚ್ಚಿನ ಆಲೋಚನೆಗಳನ್ನು ಅನ್ವೇಷಿಸಲು, ವೇಗವಾಗಿ ಪರೀಕ್ಷಿಸಲು ಮತ್ತು ಅನ್ವೇಷಣೆಯ ವೇಗ ಹೆಚ್ಚಿಸಲು ಸಂಶೋಧಕರಿಗೆ ನೆರವಾಗುವ ಸಾಧನವಾಗಿ ಚಾನ್ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ನೋಡುತ್ತಾರೆ.

ಚಾನ್ ಅವರು Codex ನೆರವಿನಿಂದ ಪರೀಕ್ಷಿಸುತ್ತಿರುವ ವಿಧಾನಗಳು ಯಶಸ್ವಿಯಾದರೆ, ಈ ಹೊಸ ಕಲನಕ್ರಮಗಳು ಮುಂದೊಂದು ದಿನ ಕಪ್ಪುಕುಳಿಗಳ ಸುತ್ತಲಿನ ಲಕ್ಷಾಂತರ ಕೋಟಿ ಕಣಗಳನ್ನು ಅನುಕರಿಸಲು ವಿಜ್ಞಾನಿಗಳಿಗೆ ಅವಕಾಶ ನೀಡಬಹುದು. ದಶಕಗಳಿಂದ ಅಧ್ಯಯನಕ್ಕೆ ನಿಲುಕದ ಭೌತಿಕ ವಿದ್ಯಮಾನಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡಲು ಇದು ಸಂಶೋಧಕರಿಗೆ ನೆರವಾಗಲಿದೆ.