തമോഗർത്ത സിമുലേഷനുകൾക്ക് ഒരു ജ്യോതിഭൗതികശാസ്ത്രജ്ഞൻ Codex ഉപയോഗിക്കുന്ന വിധം

തമോഗർത്തത്തിനു ചുറ്റുമുള്ള ഗുരുത്വാകർഷണം അതിശക്തമാണ്. ഒരു പരിധിക്കപ്പുറം അടുത്തെത്തിയാൽ പ്രകാശത്തിനു പോലും രക്ഷപ്പെടാനാകില്ല. ചി-ക്വാൻ ചാനെപ്പോലുള്ള ജ്യോതിഭൗതികശാസ്ത്രജ്ഞർ കമ്പ്യൂട്ടർ സിമുലേഷനുകളും നിരീക്ഷണങ്ങളും ഉപയോഗിച്ചാണ് തമോഗർത്തങ്ങളെ പഠിക്കുന്നത്. എന്നാൽ നിലവിലെ അൽഗോരിതങ്ങളും കമ്പ്യൂട്ടറുകളുടെ കണക്കുകൂട്ടൽ ശേഷിയും ഈ സിമുലേഷനുകൾക്ക് യാഥാർഥ്യത്തോട് എത്രത്തോളം അടുക്കാനാകുമെന്നതിന് പരിമിതികൾ സൃഷ്ടിക്കുന്നു.

അരിസോണ സർവകലാശാലയിലും സ്റ്റുവാർഡ് വാനനിരീക്ഷണശാലയിലും ഗവേഷകനായ ചാൻ, Codex ഉപയോഗിച്ച് ഈ പ്രശ്നത്തിന് പരിഹാരം തേടുകയാണ്.

ഐൻസ്റ്റൈന്റെ സാമാന്യ ആപേക്ഷികതാ സിദ്ധാന്തം പരിശോധിക്കാൻ ഏറ്റവും അനുയോജ്യമായ ഇടങ്ങളിൽ ഒന്നാണ് തമോഗർത്തങ്ങളെന്ന് അദ്ദേഹം പറഞ്ഞു. ഗുരുത്വാകർഷണത്തിന് ഇന്ന് ലഭ്യമായ ഏറ്റവും മികച്ച വിശദീകരണം ഈ സിദ്ധാന്തമാണ്: വസ്തുക്കളെ പരസ്പരം വലിച്ചടുപ്പിക്കുന്ന ബലമല്ല ഗുരുത്വാകർഷണം; പിണ്ഡവും ഊർജവും സ്ഥലകാലത്തെ വളയ്ക്കുന്നതിന്റെ ഫലമാണത്.

2019-ൽ തമോഗർത്തത്തിന്റെ ആദ്യ ചിത്രം പ്രസിദ്ധീകരിച്ച അന്താരാഷ്ട്ര ഇവന്റ് ഹൊറൈസൺ ടെലിസ്കോപ്പ് (ഇഎച്ച്ടി) കൂട്ടായ്മയിലെ അംഗമാണ് ചാൻ. അതിഭീമൻ തമോഗർത്തത്തിന്റെ ആദ്യ വീഡിയോ സൃഷ്ടിക്കാൻ സംഘം ഇപ്പോൾ നിരീക്ഷണവിവരങ്ങൾ ശേഖരിക്കുകയാണ്. M87 താരാപഥത്തിന്റെ കേന്ദ്രത്തിലുള്ള തമോഗർത്തത്തിലാണ് ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത്. 

എന്നാൽ നിരീക്ഷണങ്ങളെ ശാസ്ത്രീയ അറിവാക്കി മാറ്റാൻ വൻതോതിലുള്ള വിവരസംസ്കരണവും കമ്പ്യൂട്ടർ അധിഷ്ഠിത പ്രവർത്തനക്രമങ്ങളും വേണം. പ്രപഞ്ചത്തിലെ അതിതീവ്ര ഭൗതികാവസ്ഥകളെ പ്രതിനിധീകരിക്കാൻ കഴിയുന്ന സിമുലേഷനുകളും ആവശ്യമാണ്.

തമോഗർത്തത്തിൽ നിന്ന് പ്രകാശത്തിന് രക്ഷപ്പെടാനാകില്ല. അതിനാൽ ശാസ്ത്രജ്ഞർ അതിനു ചുറ്റുമുള്ള സംഭവചക്രവാളം എന്ന മേഖലയെയാണ് പഠിക്കുന്നത്. ഈ അതിർത്തി കടന്നാൽ ദ്രവ്യത്തിന് പുറത്തുകടക്കാനാകില്ല. “തിരിച്ചുവരവില്ലാത്ത ഒരു അതിർത്തിയാണത്,” ചാൻ പറഞ്ഞു. ഈ അതിർത്തിക്കു തൊട്ടുപുറത്ത് ചുറ്റിക്കറങ്ങുന്ന ദ്രവ്യം പ്രകാശം പുറപ്പെടുവിക്കുന്നു. ജ്യോതിഭൗതികശാസ്ത്രജ്ഞർക്ക് അത് കാണാനും അളക്കാനും സിമുലേഷനിലൂടെ പുനഃസൃഷ്ടിക്കാനും കഴിയും. 

ഇഎച്ച്ടി 2019-ൽ പുറത്തുവിട്ട ചിത്രത്തിൽ, സംഭവചക്രവാളത്തിനടുത്തുള്ള തിളങ്ങുന്ന പ്ലാസ്മയ്ക്കുള്ളിൽ തമോഗർത്തത്തിന്റെ നിഴൽ കാണാമായിരുന്നു. നിരീക്ഷണങ്ങൾ വ്യാഖ്യാനിക്കാൻ സംഘം ഉപയോഗിച്ച സിമുലേഷൻ, കണക്കുകൂട്ടൽ ഉപകരണങ്ങൾ വികസിപ്പിക്കുന്നതിൽ ചാൻ പങ്കുവഹിച്ചു. നിശ്ചലചിത്രങ്ങളിൽ നിന്ന് വീഡിയോകളിലേക്ക് സംഘം നീങ്ങുമ്പോൾ, ചാനും സഹപ്രവർത്തകരും തങ്ങളുടെ ഉപകരണങ്ങളും നിരീക്ഷണശേഷിയും മെച്ചപ്പെടുത്തിക്കൊണ്ടിരിക്കുന്നു.

കണങ്ങളുടെ ചുറ്റിത്തിരിയൽ ഉയർത്തുന്ന വെല്ലുവിളി

തമോഗർത്തങ്ങൾക്കു ചുറ്റുമുള്ള പ്ലാസ്മയെ സിമുലേഷനിൽ പ്രതിനിധീകരിക്കുന്നതാണ് ചാനും സംഘവും നേരിടുന്ന ഏറ്റവും വലിയ തടസ്സങ്ങളിലൊന്ന്. വൈദ്യുതചാർജുള്ള ഇലക്ട്രോണുകളും അയോണുകളും അടങ്ങിയ, അത്യധികം ചൂടുള്ള ദ്രവ്യമാണ് പ്ലാസ്മ.

പല സിമുലേഷനുകളിലും പ്ലാസ്മയെ ഒരു പ്രവാഹിയായി കണക്കാക്കി ശാസ്ത്രജ്ഞർ പ്രശ്നം ലളിതമാക്കുന്നു. സുപരിചിതമായ സമവാക്യങ്ങളിലൂടെ തമോഗർത്തത്തിനു ചുറ്റുമുള്ള അതിന്റെ ചലനം കണക്കാക്കുന്നു. ഇലക്ട്രോണുകളും അയോണുകളും നിരന്തരം കൂട്ടിയിടിക്കുന്ന, സാന്ദ്രത കൂടിയ പ്ലാസ്മയിൽ ഈ രീതി ഒരു പരിധിവരെ ഫലപ്രദമാണ്. 

എന്നാൽ ചാനും സഹപ്രവർത്തകരും പഠിക്കുന്ന അതിഭീമൻ തമോഗർത്തങ്ങൾക്കടുത്ത് ചില മേഖലകളിൽ ചൂട് വളരെ കൂടുതലും സാന്ദ്രത വളരെ കുറവുമാണ്. അവിടെ കണങ്ങൾ പരസ്പരം അടുത്തെത്തുന്നതുപോലും അപൂർവമാണ്. “അവ തമ്മിൽ കൂട്ടിയിടിക്കുന്നില്ലെന്നുതന്നെ പറയാം,” അദ്ദേഹം പറഞ്ഞു. പകരം, കണങ്ങൾ പ്രധാനമായും കാന്തികക്ഷേത്രരേഖകളെ ചുറ്റി സർപ്പിലപാതകളിൽ സഞ്ചരിക്കുന്നു. 

ഈ സ്വഭാവം കൃത്യമായി പ്രതിനിധീകരിക്കാൻ, തമോഗർത്തത്തിനു ചുറ്റും അതിവേഗം സർപ്പിലപാതകളിൽ നീങ്ങുന്ന ലക്ഷക്കണക്കിന് കോടി ഇലക്ട്രോണുകളുടെയും അയോണുകളുടെയും ചലനം ഗവേഷകർ പിന്തുടരണം. സാധാരണ സിമുലേഷനുകൾ ഓരോ സൂക്ഷ്മമായ തിരിവും കണക്കാക്കണം. അതിനാൽ കമ്പ്യൂട്ടറുകൾ അതിസൂക്ഷ്മമായ സമയഘട്ടങ്ങളിലൂടെയാണ് കണക്കുകൂട്ടൽ മുന്നോട്ടുകൊണ്ടുപോകുന്നത്.

ഫലമോ, ലോകത്തിലെ ഏറ്റവും വേഗമേറിയ സൂപ്പർകമ്പ്യൂട്ടറുകൾ പോലും സമയത്തിന്റെ ഭൂരിഭാഗവും ഈ സൂക്ഷ്മ കണചലനങ്ങൾ കണക്കാക്കാൻ ചെലവഴിച്ചേക്കാം. ശാസ്ത്രജ്ഞർ പഠിക്കാൻ ആഗ്രഹിക്കുന്ന വിശാലമായ പ്രതിഭാസങ്ങൾ സിമുലേഷനിൽ പുനഃസൃഷ്ടിക്കാൻ സമയം കുറയുന്നു.

“പതിറ്റാണ്ടുകളായി, തമോഗർത്ത പ്ലാസ്മയുടെ സിമുലേഷനുകൾ എത്രത്തോളം യാഥാർഥ്യത്തോട് അടുക്കാമെന്നതിന് ഇത് പരിമിതികൾ സൃഷ്ടിക്കുന്നു,” ചാൻ പറഞ്ഞു.

കൃത്രിമബുദ്ധിയിലൂടെ മികച്ച ഡിജിറ്റൽ പ്രതിരൂപം

പുതിയ ഗണിതരീതികൾ ഈ പരിമിതികളിൽ ചിലത് മറികടക്കാൻ സഹായിച്ചേക്കുമെന്ന് ചാൻ കരുതി. സിമുലേഷൻ കണചലനം പിന്തുടരുന്ന രീതിയിൽ ഗണിതപരമായ മാറ്റം വരുത്തുക എന്നതായിരുന്നു അടിസ്ഥാന ആശയം. അപ്പോൾ ഓരോ ചെറിയ സർപ്പിലചലനവും കമ്പ്യൂട്ടറിന് നേരിട്ട് പിന്തുടരേണ്ടിവരില്ല.

“എന്നാൽ ഗണിതപരമായ എല്ലാ സാധ്യതകളും കൈകൊണ്ട് കണക്കുകൂട്ടി പരിശോധിക്കാൻ ഏറെ സമയം വേണ്ടിവരുമായിരുന്നു,” ചാൻ പറഞ്ഞു. അതിനാൽ, പ്രയോജനപ്പെട്ടേക്കാവുന്ന അൽഗോരിതങ്ങൾ രൂപപ്പെടുത്താനും അറിയാവുന്ന പരിഹാരങ്ങളുമായി ഒത്തുനോക്കി അവ പരിശോധിക്കാനും അദ്ദേഹം Codex-ന്റെ സഹായം തേടി.

Codex പല സമീപനങ്ങളും നിർദേശിച്ചു. അവയെല്ലാം ശരിയായിരുന്നില്ല. “പക്ഷേ അതിൽ കുഴപ്പമില്ല,” ചാൻ പറഞ്ഞു. “മിക്ക ശാസ്ത്രീയ ആശയങ്ങളും പരാജയപ്പെടാറുണ്ട്. ഈ അൽഗോരിതങ്ങൾ പരീക്ഷിച്ചുനോക്കാനാകും എന്നതാണ് പ്രധാനം. ഫലപ്രദമായ ഒന്ന് കണ്ടെത്തിയാൽ, മുമ്പ് അസാധ്യമായിരുന്ന സിമുലേഷനുകൾക്ക് അത് വഴിതുറന്നേക്കാം.” 

ചില കൃത്രിമബുദ്ധി സംവിധാനങ്ങൾ നിഗമനത്തിലെത്തിയ ഘട്ടങ്ങൾ കാണിക്കാതെ ഫലങ്ങൾ നൽകാറുണ്ട്. എന്നാൽ ചാന്റെ സംഘം Codex ഉപയോഗിക്കുന്നത് തങ്ങൾക്ക് പരിശോധിക്കാനും പരീക്ഷിക്കാനും ഭൗതികാടിസ്ഥാനം മനസ്സിലാക്കാനും കഴിയുന്ന സംഖ്യാഗണനാ രീതികൾ നിർദേശിക്കാനും നടപ്പിലാക്കാനുമാണ്.

വലിയ ഭാഷാ മോഡലുകൾ ഇപ്പോഴും തെറ്റുകൾ വരുത്തുന്നു. ഗവേഷണത്തിൽ കൃത്രിമബുദ്ധി ഉപയോഗിക്കുന്നതിൽ പല ശാസ്ത്രജ്ഞരും ജാഗ്രത പുലർത്തുന്നുമുണ്ട്. എന്നാൽ ശാസ്ത്രീയ ആശയങ്ങൾ കർശനമായി പരീക്ഷിക്കാമെന്നതുകൊണ്ടുതന്നെ, ഇന്നത്തെ കൃത്രിമബുദ്ധി സംവിധാനങ്ങളുടെ ഏറ്റവും മികച്ച ഉപയോഗമേഖലകളിലൊന്ന് ശാസ്ത്രമായിരിക്കാമെന്ന് ചാൻ വിശ്വസിക്കുന്നു.

“ഐൻസ്റ്റൈനോ മിടുക്കനായ ഒരു വിദ്യാർഥിയോ കൃത്രിമബുദ്ധി മോഡലോ പറഞ്ഞതുകൊണ്ടുമാത്രം ഞങ്ങൾ ഒരു ആശയം അംഗീകരിക്കില്ല,” അദ്ദേഹം പറഞ്ഞു. “ആവർത്തിച്ചുള്ള പരീക്ഷണങ്ങൾക്കു ശേഷമേ ഞങ്ങൾ അത് അംഗീകരിക്കൂ.”

കൂടുതൽ ആശയങ്ങൾ അന്വേഷിക്കാനും വേഗത്തിൽ പരീക്ഷിക്കാനും കണ്ടെത്തലുകൾക്ക് വേഗം കൂട്ടാനും ഗവേഷകരെ സഹായിക്കുന്ന ഉപകരണമായാണ് ചാൻ കൃത്രിമബുദ്ധിയെ കാണുന്നത്. ഫലങ്ങൾ സ്ഥിരീകരിക്കാനും ആവർത്തിച്ച് നേടാനും കഴിയണം എന്ന അടിത്തറ കൈവിടാതെയാകണം ഇത്.

Codex ഉപയോഗിച്ച് ചാൻ പരീക്ഷിക്കുന്ന സമീപനങ്ങൾ വിജയിച്ചാൽ, പുതിയ അൽഗോരിതങ്ങൾ വഴി തമോഗർത്തങ്ങൾക്കു ചുറ്റുമുള്ള ലക്ഷക്കണക്കിന് കോടി കണങ്ങളുടെ സിമുലേഷനുകൾ സൃഷ്ടിക്കാൻ ശാസ്ത്രജ്ഞർക്ക് ഭാവിയിൽ കഴിഞ്ഞേക്കും. പതിറ്റാണ്ടുകളായി പഠനത്തിന് വഴങ്ങാതിരുന്ന ഭൗതികപ്രതിഭാസങ്ങൾ അന്വേഷിക്കാൻ അത് ഗവേഷകരെ പ്രാപ്തരാക്കും.