Как астрофизик моделирует черные дыры с помощью Codex

Гравитация вблизи черной дыры настолько сильна, что ничто, даже свет, не может вырваться из нее, оказавшись достаточно близко. Астрофизики, такие как Чи-кван Чан, изучают черные дыры с помощью компьютерного моделирования и наблюдений. Но существующие алгоритмы и вычислительные мощности ограничивают точность, с которой можно воспроизвести эти объекты.

Чан, научный сотрудник Аризонского университета и Обсерватории Стюарда, решает эту задачу с помощью Codex.

По его словам, черные дыры — одни из лучших объектов для проверки общей теории относительности Эйнштейна. На сегодняшний день эта теория лучше всего объясняет гравитацию: не как силу, притягивающую объекты друг к другу, а как результат искривления пространства и времени под действием массы и энергии.

Чан участвует в международном проекте «Телескоп горизонта событий» (EHT), команда которого в 2019 году опубликовала первое изображение черной дыры. Сейчас команда собирает данные наблюдений, чтобы создать первое видео сверхмассивной черной дыры. В центре внимания — черная дыра в центре галактики M87. 

Но чтобы превратить наблюдения в научное знание, нужно обрабатывать огромные объемы данных, проводить масштабные вычисления и моделировать одни из самых экстремальных физических процессов во Вселенной.

Поскольку свет не может покинуть черную дыру, ученые изучают окружающую ее область — горизонт событий, границу, из-за которой материя уже не может вырваться наружу. «Это поверхность, за которой нет пути назад», — говорит Чан. Материя, вращающаяся непосредственно снаружи этой границы, излучает свет, который астрофизики могут наблюдать, измерять и моделировать. 

На изображении, опубликованном EHT в 2019 году, была видна тень черной дыры в окружении светящейся плазмы вблизи горизонта событий. Чан участвовал в разработке инструментов моделирования и вычислений, с помощью которых команда интерпретировала наблюдения. С тех пор Чан и его коллеги продолжают совершенствовать оборудование и расширять возможности наблюдения, переходя от отдельных изображений к видео.

Как справиться со сложностью спирального движения

Одна из главных трудностей для Чана и его команды — моделирование плазмы вокруг черных дыр. Плазма — это сильно нагретое вещество, состоящее из электрически заряженных электронов и ионов.

При моделировании ученые часто упрощают описание плазмы, рассматривая ее как жидкость и используя хорошо известные уравнения для расчета ее движения вокруг черной дыры. Этот подход достаточно хорошо работает для более плотной плазмы, в которой электроны и ионы постоянно сталкиваются друг с другом. 

Но вблизи сверхмассивных черных дыр, которые изучают Чан и его коллеги, плазма в некоторых областях настолько горяча и разрежена, что частицы редко встречаются друг с другом. «Они практически не сталкиваются друг с другом», — говорит он. Вместо этого частицы в основном движутся по спирали вокруг линий магнитного поля. 

Чтобы правильно смоделировать это поведение, исследователям нужно отслеживать триллионы электронов и ионов, стремительно движущихся по спиральным траекториям в окрестностях черной дыры. При стандартном моделировании приходится рассчитывать каждый крошечный виток, что вынуждает компьютеры использовать чрезвычайно малый шаг по времени.

В результате даже самые быстрые суперкомпьютеры в мире могут тратить большую часть времени на расчет этих мельчайших движений частиц, а не на моделирование крупномасштабных процессов, которые на самом деле интересуют ученых.

«Десятилетиями это ограничивало точность моделирования плазмы в окрестностях черных дыр», — говорит Чан.

Создание более точного цифрового двойника с помощью ИИ

Чан предполагал, что новые математические методы помогут обойти некоторые из этих ограничений. Основная идея заключалась в том, чтобы изменить математический способ описания движения частиц при моделировании. Тогда компьютеру больше не пришлось бы напрямую отслеживать каждый крошечный виток.

«Но перебор всех математических вариантов вручную занял бы огромное количество времени», — говорит Чан. Поэтому он обратился к Codex за помощью в разработке возможных алгоритмов и их проверке на известных решениях.

Codex предложил множество возможных подходов — не все из них были верными. «Но это нормально, — говорит Чан. — Большинство научных идей не срабатывает. Важно то, что эти алгоритмы можно проверить. Найдя работающий алгоритм, вы потенциально получаете возможность моделировать то, что раньше было невозможно». 

Некоторые системы ИИ выдают результаты, не показывая, каким путем пришли к своим выводам. Но группа Чана использует Codex для разработки и реализации численных схем, которые исследователи могут изучить, проверить и понять с точки зрения физики.

Большие языковые модели по-прежнему допускают ошибки, и многие ученые с осторожностью относятся к использованию ИИ в исследованиях. Но Чан считает, что наука может быть одной из лучших областей применения современных систем ИИ именно потому, что научные идеи поддаются строгой проверке.

«Мы не принимаем идею лишь потому, что ее предложил Эйнштейн, способный студент или модель ИИ, — говорит он. — Мы принимаем ее только после многократных проверок».

Чан видит в ИИ инструмент, который поможет исследователям изучать больше идей, быстрее их проверять и ускорять открытия, не отступая от принципов проверки и воспроизводимости результатов.

Если подходы, которые Чан проверяет с помощью Codex, окажутся успешными, новые алгоритмы в перспективе позволят ученым моделировать движение триллионов частиц вокруг черных дыр. Это откроет исследователям доступ к изучению физических процессов, которые десятилетиями оставались вне досягаемости.