一位天体物理学家如何借助 Codex 模拟黑洞

黑洞周围的引力极其强大，任何物体一旦靠得足够近，就无法逃脱，连光也不例外。Chi-kwan Chan 等天体物理学家通过计算机模拟和观测来研究黑洞。但受限于现有的算法和算力，这些模拟还无法充分还原真实情况。

作为亚利桑那大学和斯图尔德天文台的研究人员，Chan 正借助 Codex 攻克这一难题。

他表示，黑洞是检验 Einstein 广义相对论的最佳场所之一。广义相对论是目前对引力最好的解释：引力并不是将物体拉向彼此的一种力，而是质量和能量使时空结构弯曲的结果。

Chan 是事件视界望远镜（EHT）国际合作团队的成员，该团队于 2019 年发布了首张黑洞图像。目前，团队正以 M87 星系中心的超大质量黑洞为目标，收集观测数据，以制作首部超大质量黑洞视频。 

然而，要将观测结果转化为科学认识，就需要处理海量数据、运行大规模计算工作流，还需要能够模拟宇宙中某些最极端物理现象的技术。

由于光无法逃离黑洞，科学家转而研究黑洞周围被称为“事件视界”的区域。这是一道边界，物质一旦越过就无法逃脱。“这是一个有去无回的界面。”Chan 说。在这道边界外侧旋转的物质会发出光，天体物理学家可以对其进行观测、测量和模拟。 

EHT 于 2019 年发布的图像显示，黑洞的阴影嵌在事件视界附近发光的等离子体之中。团队用于解读观测结果的模拟和计算工具，也有 Chan 参与开发。此后，随着团队从静态图像迈向视频，Chan 和同事们也在持续改进仪器，提升观测能力。

破解螺旋运动的模拟难题

对黑洞周围的等离子体进行建模，是 Chan 及其团队面临的最大障碍之一。等离子体是一种由带电的电子和离子组成的超高温物质。

在许多模拟中，科学家会将等离子体视为流体，以简化处理，再用成熟的方程来模拟其在黑洞周围的运动。对于密度较高的等离子体，这种方法效果不错，因为其中的电子和离子会不断相互碰撞。 

但在 Chan 及其同事研究的超大质量黑洞附近，某些区域的等离子体温度极高、分布极其稀薄，粒子之间很少相遇。“它们几乎不会相互碰撞。”他说。相反，这些粒子大多绕着磁力线做螺旋运动。 

要准确模拟这一行为，研究人员就需要追踪数万亿个电子和离子在黑洞周围快速螺旋运动的轨迹。常规模拟必须计算每一次微小的转动，这迫使计算机采用极小的时间步长。

结果是，即使使用世界上最快的超级计算机，也可能要把大部分时间花在计算这些微小的粒子运动上，而不是模拟科学家真正想研究的更大尺度的行为。

“几十年来，这一直限制着我们对黑洞等离子体的模拟精度。”Chan 说。

用 AI 构建更精确的数字孪生

Chan 推测，新的数学方法或许能帮助绕过其中一些限制。基本思路是从数学上改变模拟追踪粒子运动的方式，让计算机不再需要直接追踪每一次微小的螺旋运动。

“但如果靠手工推导来探索所有数学上的可能性，就需要耗费大量时间。”Chan 说。于是，他转而借助 Codex 推导候选算法，并用已知解来检验这些算法。

Codex 给出了许多可能的方法，但并非全部正确。“但这没关系。”Chan 说。“大多数科学构想都会失败。重要的是，这些算法可以接受检验。一旦找到可行的算法，就有可能实现过去无法完成的模拟。” 

有些 AI 系统会直接给出结果，却不展示得出结论的步骤。但 Chan 的团队用 Codex 提出并实现数值计算方案，他们可以检查、测试这些方案，并从物理层面理解它们。

大语言模型仍然会犯错，许多科学家对在研究中使用 AI 依然持谨慎态度。但 Chan 认为，科学研究可能是当今 AI 系统最适合的应用场景之一，恰恰是因为科学构想可以接受严格检验。

“我们不会因为一个想法来自 Einstein、一个聪明的学生或一个 AI 模型，就接受它。”他说。“只有经过反复检验，我们才会接受。”

在 Chan 看来，AI 是一种工具，能够帮助研究人员探索更多想法、更快地检验这些想法，从而加速科学发现，同时始终坚持验证与可重复性的要求。

如果 Chan 借助 Codex 测试的方法取得成功，这些新算法最终或许能让科学家模拟黑洞周围数万亿个粒子的运动。这将使研究人员得以探索数十年来一直无法触及的物理现象。