ایک ماہرِ فلکی طبیعیات Codex سے بلیک ہول کے کمپیوتری نمونے کیسے بناتا ہے

بلیک ہول کے گرد کششِ ثقل اتنی شدید ہوتی ہے کہ کوئی بھی چیز، حتیٰ کہ روشنی بھی، اس کے کافی قریب پہنچنے کے بعد نکل نہیں سکتی. چی کوان چان جیسے ماہرینِ فلکی طبیعیات کمپیوتری نمونوں اور مشاہدات کی مدد سے بلیک ہول کا مطالعہ کرتے ہیں. لیکن موجودہ الگورتھم اور کمپیوٹر کی حسابی صلاحیت ان نمونوں کی حقیقت سے مطابقت کو محدود کرتی ہے.

ایریزونا یونیورسٹی اور اسٹیورڈ رصدگاہ کے محقق چان، Codex کی مدد سے اس مسئلے کا حل تلاش کر رہے ہیں.

ان کے مطابق، آئن اسٹائن کے عمومی نظریۂ اضافیت کو آزمانے کے لیے بلیک ہول بہترین مقامات میں شامل ہیں. فی الحال یہ نظریہ کششِ ثقل کی ہماری بہترین وضاحت ہے: کششِ ثقل اشیا کو ایک دوسرے کی طرف کھینچنے والی قوت نہیں، بلکہ کمیت اور توانائی کے باعث زمان و مکان کے تانے بانے میں پیدا ہونے والے خم کا نتیجہ ہے.

چان بین الاقوامی ایونٹ ہورائزن ٹیلی اسکوپ (ای ایچ ٹی) اشتراکی منصوبے کا حصہ ہیں، جس نے 2019 میں بلیک ہول کی پہلی تصویر شائع کی تھی. یہ ٹیم اب ایک انتہائی عظیم کمیت والے بلیک ہول کی پہلی ویڈیو بنانے کے لیے مشاہدات جمع کر رہی ہے، اور اس کی توجہ M87 کہکشاں کے مرکز میں واقع بلیک ہول پر ہے. 

لیکن مشاہدات سے سائنسی فہم حاصل کرنے کے لیے بہت بڑی مقدار میں اعداد و شمار کی پروسیسنگ، بڑے پیمانے پر کمپیوتری عمل، اور ایسے نقلی نمونے درکار ہیں جو کائنات کے بعض انتہائی شدید طبعی حالات کی نمائندگی کر سکیں.

چونکہ روشنی بلیک ہول سے باہر نہیں نکل سکتی، اس لیے سائنس داں اس کے گرد موجود خطے کا مطالعہ کرتے ہیں جسے افقِ واقعات کہتے ہیں. یہ وہ حد ہے جسے عبور کرنے کے بعد مادہ باہر نہیں نکل سکتا. چان نے کہا، ”یہ ایک ایسی سطح ہے جس کے پار سے واپسی ممکن نہیں.“ اس حد کے عین باہر گردش کرتا مادہ روشنی خارج کرتا ہے جسے ماہرینِ فلکی طبیعیات دیکھ سکتے ہیں، ناپ سکتے ہیں اور کمپیوتری نمونوں میں ظاہر کر سکتے ہیں. 

ای ایچ ٹی کی 2019 میں جاری کردہ تصویر میں افقِ واقعات کے قریب چمکتے پلازما کے اندر بلیک ہول کا سایہ دکھائی دیا تھا. چان نے نمونہ سازی اور حسابی کام کے وہ کمپیوتری اوزار تیار کرنے میں مدد کی جنہیں ٹیم نے مشاہدات کی تشریح کے لیے استعمال کیا. تب سے چان اور ان کے ساتھی اپنے آلات اور مشاہدے کی صلاحیتوں کو مسلسل بہتر بنا رہے ہیں، کیونکہ ٹیم اب ساکن تصاویر سے ویڈیو کی جانب بڑھ رہی ہے.

پیچ دار حرکت کے مسئلے کا حل

چان اور ان کی ٹیم کے لیے سب سے بڑی رکاوٹوں میں سے ایک بلیک ہول کے گرد موجود پلازما کی نمونہ سازی ہے. پلازما انتہائی گرم مادہ ہے جو برقی بار رکھنے والے الیکٹرانوں اور آئنوں پر مشتمل ہوتا ہے.

بہت سے کمپیوتری نمونوں میں سائنس داں حساب کو آسان بنانے کے لیے پلازما کو سیال تصور کرتے ہیں اور معروف مساوات کی مدد سے بلیک ہول کے گرد اس کی حرکت کا نمونہ بناتے ہیں. زیادہ کثیف پلازما میں یہ طریقہ خاصا مؤثر ہوتا ہے، جہاں الیکٹران اور آئن مسلسل ایک دوسرے سے ٹکراتے رہتے ہیں. 

لیکن چان اور ان کے ساتھی جن انتہائی عظیم کمیت والے بلیک ہول کا مطالعہ کر رہے ہیں، ان کے قریب بعض خطوں میں پلازما اتنا گرم اور کم کثیف ہو جاتا ہے کہ ذرات کا آپس میں سامنا شاذ و نادر ہی ہوتا ہے. انہوں نے کہا، ”عملاً یہ ایک دوسرے سے ٹکراتے ہی نہیں.“ اس کے بجائے ذرات زیادہ تر مقناطیسی میدان کی خطوط کے گرد پیچ دار راستوں پر گردش کرتے ہیں. 

اس طرزِ حرکت کی درست نمونہ سازی کے لیے محققین کو کھربوں الیکٹرانوں اور آئنوں کی حرکت کا حساب رکھنا پڑتا ہے، جو بلیک ہول کے گرد تیزی سے پیچ دار راستوں پر گھومتے ہیں. روایتی کمپیوتری نمونوں میں ہر معمولی موڑ کا حساب لگانا ضروری ہوتا ہے، جس کی وجہ سے کمپیوٹر کو وقت کے انتہائی مختصر وقفوں پر حساب کرنا پڑتا ہے.

نتیجتاً، دنیا کے تیز ترین سپر کمپیوٹر بھی اپنا زیادہ تر وقت ذرات کی ان نہایت چھوٹی حرکات کا حساب لگانے میں صرف کر سکتے ہیں، بجائے اس کے کہ اس مجموعی طرزِ عمل کا نمونہ بنائیں جس کا سائنس داں دراصل مطالعہ کرنا چاہتے ہیں.

چان نے کہا، ”کئی دہائیوں سے اس مسئلے نے بلیک ہول کے پلازما کے حقیقت سے قریب تر کمپیوتری نمونے بنانے کی ہماری صلاحیت کو محدود کر رکھا ہے.“

مصنوعی ذہانت کی مدد سے بہتر ڈیجیٹل ہم شکل بنانا

چان کو لگتا تھا کہ نئی ریاضیاتی تکنیکیں ان میں سے بعض حدود سے بچ کر کام کرنے میں مدد دے سکتی ہیں. بنیادی خیال یہ تھا کہ کمپیوتری نمونے میں ذرات کی حرکت کا حساب رکھنے کا ریاضیاتی طریقہ بدل دیا جائے، تاکہ کمپیوٹر کو ہر چھوٹے سے پیچ دار چکر کا براہِ راست حساب نہ رکھنا پڑے.

چان نے کہا، ”لیکن تمام ریاضیاتی امکانات کو ہاتھ سے حساب کر کے کھنگالنے میں بے حد وقت لگتا.“ اس لیے انہوں نے ممکنہ الگورتھم اخذ کرنے اور معلوم حلوں کے مقابل انہیں جانچنے کے لیے Codex کی مدد لی.

Codex نے کئی ممکنہ طریقے پیش کیے، جن میں سے سب درست نہیں تھے. چان نے کہا، ”لیکن اس میں کوئی حرج نہیں.“ ”زیادہ تر سائنسی خیالات ناکام ہو جاتے ہیں. اہم بات یہ ہے کہ ان الگورتھم کو جانچا جا سکتا ہے. ایک کارآمد الگورتھم مل جائے تو اس کی مدد سے ممکنہ طور پر ایسے کمپیوتری نمونے بنائے جا سکتے ہیں جو پہلے ناممکن تھے.“ 

مصنوعی ذہانت کے بعض نظام نتائج تک پہنچنے کے مراحل دکھائے بغیر جواب دے سکتے ہیں. لیکن چان کی ٹیم Codex سے ایسے عددی طریقے تجویز کرواتی اور نافذ کرتی ہے جن کا وہ معائنہ اور آزمائش کر سکے، اور جنہیں طبیعیات کے لحاظ سے سمجھ سکے.

بڑے لسانی ماڈل اب بھی غلطیاں کرتے ہیں، اور بہت سے سائنس داں تحقیق میں مصنوعی ذہانت کے استعمال کے بارے میں محتاط ہیں. لیکن چان کا ماننا ہے کہ آج کے مصنوعی ذہانت کے نظاموں کا ایک بہترین استعمال سائنس ہو سکتی ہے، عین اس لیے کہ سائنسی خیالات کو کڑی جانچ سے گزارا جا سکتا ہے.

انہوں نے کہا، ”ہم کسی خیال کو اس لیے قبول نہیں کرتے کہ وہ آئن اسٹائن، کسی ہونہار طالب علم یا مصنوعی ذہانت کے کسی ماڈل نے پیش کیا ہے.“ ”ہم اسے بار بار جانچنے کے بعد ہی قبول کرتے ہیں.“

چان مصنوعی ذہانت کو ایک ایسے وسیلے کے طور پر دیکھتے ہیں جو محققین کو زیادہ خیالات کھنگالنے، انہیں تیزی سے جانچنے اور دریافت کی رفتار بڑھانے میں مدد دے سکتا ہے، اور ساتھ ہی تصدیق اور یکساں نتائج دوبارہ حاصل کر سکنے کے اصولوں پر قائم رہنے دیتا ہے.

اگر وہ طریقے کامیاب ہو گئے جنہیں چان Codex کی مدد سے آزما رہے ہیں، تو نئے الگورتھم بالآخر سائنس دانوں کو بلیک ہول کے گرد کھربوں ذرات کے کمپیوتری نمونے بنانے کے قابل بنا سکتے ہیں. اس سے محققین ان طبعی مظاہر کا مطالعہ کر سکیں گے جو کئی دہائیوں سے ان کی رسائی سے باہر رہے ہیں.