Como um astrofísico usa o Codex para ajudar a simular buracos negros

A gravidade ao redor de um buraco negro é tão extrema que nada, nem mesmo a luz, consegue escapar quando se aproxima o suficiente. Astrofísicos como Chi-kwan Chan estudam buracos negros por meio de simulações computacionais e observações. Mas os algoritmos e a capacidade de processamento atuais limitam o grau de realismo dessas simulações.

Com o Codex, Chan — pesquisador da Universidade do Arizona e do Observatório Steward — está enfrentando esse problema.

Os buracos negros estão entre os melhores lugares para testar a teoria da relatividade geral de Einstein, disse ele. A teoria é atualmente nossa melhor explicação para a gravidade: em vez de uma força que atrai os objetos uns para os outros, a gravidade é o resultado da curvatura do tecido do espaço-tempo causada pela massa e pela energia.

Chan faz parte da colaboração internacional Event Horizon Telescope (EHT), que publicou a primeira imagem de um buraco negro em 2019. A equipe está reunindo observações para produzir o primeiro vídeo de um buraco negro supermassivo, com foco naquele que fica no centro da galáxia M87. 

Mas transformar observações em conhecimento científico exige o processamento de enormes volumes de dados, fluxos de trabalho computacionais em larga escala e simulações capazes de modelar alguns dos fenômenos físicos mais extremos do universo.

Como a luz não consegue escapar de um buraco negro, os cientistas estudam a região ao seu redor chamada horizonte de eventos, um limite além do qual a matéria não consegue escapar. "É uma superfície sem volta", disse Chan. A matéria que gira logo fora desse limite emite luz que os astrofísicos podem observar, medir e simular. 

A imagem divulgada pelo EHT em 2019 mostrou a sombra de um buraco negro cercada por plasma brilhante próximo ao horizonte de eventos. Chan ajudou a desenvolver as ferramentas de simulação e computação que a equipe usou para interpretar as observações. Desde então, Chan e seus colegas continuam aprimorando seus instrumentos e sua capacidade de observação, à medida que a equipe avança das imagens estáticas para os vídeos.

Enfrentando um problema em espiral

Um dos maiores obstáculos para Chan e sua equipe é modelar o plasma ao redor dos buracos negros. O plasma é matéria superaquecida composta de elétrons e íons eletricamente carregados.

Em muitas simulações, os cientistas simplificam o plasma ao tratá-lo como um fluido, usando equações bem conhecidas para modelar seu movimento ao redor de um buraco negro. Isso funciona razoavelmente bem em plasmas mais densos, nos quais os elétrons e íons colidem constantemente entre si. 

Mas, perto dos buracos negros supermassivos que Chan e seus colegas estão estudando, algumas regiões se tornam tão quentes e rarefeitas que as partículas raramente se encontram. "Elas praticamente não colidem entre si", disse ele. Em vez disso, as partículas se movem principalmente em espiral ao redor das linhas do campo magnético. 

Para modelar esse comportamento corretamente, os pesquisadores precisam acompanhar trilhões de elétrons e íons enquanto eles se movem rapidamente em trajetórias helicoidais ao redor de um buraco negro. As simulações convencionais precisam calcular cada minúscula volta, obrigando os computadores a avançar em intervalos de tempo extremamente pequenos.

Com isso, até os supercomputadores mais rápidos do mundo podem passar a maior parte do tempo calculando esses movimentos minúsculos das partículas, em vez de simular o comportamento em maior escala que os cientistas realmente querem estudar.

"Há décadas, isso limita o realismo com que conseguimos simular o plasma dos buracos negros", disse Chan.

Usando IA para criar um gêmeo digital melhor

Chan suspeitava que novas técnicas matemáticas poderiam ajudar a contornar algumas dessas limitações. A ideia básica era mudar, matematicamente, a forma como a simulação acompanhava o movimento das partículas, para que o computador não precisasse mais seguir cada pequena espiral diretamente.

"Mas explorar todas as possibilidades matemáticas à mão teria levado um tempo enorme", disse Chan. Então, ele recorreu ao Codex para ajudar a derivar possíveis algoritmos e testá-los com base em soluções conhecidas.

O Codex gerou várias abordagens possíveis — nem todas corretas. "Mas tudo bem", disse Chan. "A maioria das ideias científicas não dá certo. O que importa é que esses algoritmos podem ser testados. Quando você encontra um que funciona, ele pode viabilizar simulações que antes eram impossíveis." 

Alguns sistemas de IA podem fornecer resultados sem mostrar as etapas que seguiram para chegar às suas conclusões. Mas o grupo de Chan usa o Codex para propor e implementar métodos numéricos que os pesquisadores podem examinar, testar e compreender do ponto de vista físico.

Os grandes modelos de linguagem ainda cometem erros, e muitos cientistas continuam cautelosos quanto ao uso de IA na pesquisa. Mas Chan acredita que a ciência pode ser uma das melhores aplicações dos sistemas de IA atuais, justamente porque as ideias científicas podem ser testadas com rigor.

"Não aceitamos uma ideia porque ela veio de Einstein, de um estudante brilhante ou de um modelo de IA", disse ele. "Só a aceitamos depois de repetidos testes."

Chan vê a IA como uma ferramenta que pode ajudar os pesquisadores a explorar mais ideias, testá-las mais rapidamente e acelerar descobertas, sem abrir mão da verificação e da reprodutibilidade.

Se as abordagens que Chan está testando com o Codex derem certo, os novos algoritmos poderão, no futuro, permitir que os cientistas simulem trilhões de partículas ao redor dos buracos negros. Isso permitiria aos pesquisadores estudar fenômenos físicos que há décadas estão fora de alcance.