Как астрофизик использует Codex для моделирования чёрных дыр11.06.2026 00:00

Гравитация вокруг чёрной дыры настолько экстремальна, что ничто, даже свет, не может вырваться наружу, оказавшись достаточно близко. Астрофизики, такие как Чи-кван Чан, изучают чёрные дыры с помощью компьютерного моделирования и наблюдений. Однако существующие алгоритмы и вычислительная мощность ограничивают реалистичность таких симуляций.

С помощью Codex Чан — исследователь из Университета Аризоны и обсерватории Стюарда — берется за решение этой проблемы.

По его словам, чёрные дыры — это одно из лучших мест для проверки общей теории относительности Эйнштейна. На данный момент эта теория является нашим лучшим объяснением гравитации: вместо силы, притягивающей объекты друг к другу, гравитация представляет собой результат искривления пространственно-временного континуума массой и энергией.

Чан входит в международную коллаборацию «Телескоп горизонтов событий» (Event Horizon Telescope, EHT), которая в 2019 году опубликовала первое в истории изображение чёрной дыры. В настоящее время команда собирает данные наблюдений, чтобы создать первое видео сверхмассивной чёрной дыры, сосредоточив внимание на объекте в центре галактики М87.

Но чтобы превратить данные наблюдений в научные знания, требуются огромные объемы обработки информации, крупномасштабные вычислительные процессы и модели, способные воспроизводить самые экстремальные физические явления во Вселенной.

Поскольку свет не может покинуть чёрную дыру, ученые вместо этого изучают область вокруг нее, называемую горизонтом событий — границей, за пределами которой материя уже не может вырваться. «Это поверхность без возврата», — отмечает Чан. Материя, закручивающаяся прямо у этой границы, испускает свет, который астрофизики могут видеть, измерять и моделировать.

Опубликованное EHT в 2019 году изображение показало тень чёрной дыры на фоне светящейся плазмы вблизи горизонта событий. Чан помог разработать симуляцию и вычислительные инструменты, которые команда использовала для интерпретации наблюдений. С тех пор Чан и его коллеги продолжают совершенствовать свои инструменты и возможности наблюдений по мере перехода от статичных изображений к видео.

Решение закручивающейся проблемы

Одной из главных преград для Чана и его команды является моделирование плазмы вокруг чёрных дыр. Плазма представляет собой перегретое вещество, состоящее из электрически заряженных электронов и ионов.

Во многих симуляциях ученые упрощают плазму, рассматривая ее как жидкость и используя общеизвестные уравнения для описания ее движения вокруг чёрной дыры. Это неплохо работает в более плотной плазме, где электроны и ионы постоянно сталкиваются друг с другом.

Однако вблизи сверхмассивных чёрных дыр, которые изучают Чан и его коллеги, некоторые области становятся настолько горячими и разреженными, что частицы сталкиваются крайне редко. «Они практически не сталкиваются друг с другом», — говорит он. Вместо этого частицы в основном движутся по спирали вдоль линий магнитного поля.

Чтобы корректно смоделировать такое поведение, исследователям необходимо отслеживать триллионы электронов и ионов, стремительно закручивающихся штопором вокруг чёрной дыры. Стандартные симуляции должны вычислять каждый малейший поворот, из-за чего компьютеры вынуждены использовать чрезвычайно малые шаги по времени.

В результате даже самые быстрые суперкомпьютеры в мире могут тратить большую часть времени на расчеты этих крошечных движений частиц вместо моделирования более масштабных процессов, которые ученые действительно хотят изучить.

«Десятилетиями это ограничивало реалистичность нашего моделирования плазмы чёрных дыр», — отмечает Чан.

Использование ИИ для создания лучшего цифрового двойника

Чан предположил, что новые математические методы могут помочь обойти некоторые из этих ограничений. Базовая идея заключалась в том, чтобы математически изменить подход к отслеживанию движения частиц в симуляции, избавив компьютер от необходимости напрямую прослеживать каждый крошечный виток.

«Но на самостоятельное изучение всех математических возможностей ушло бы колоссальное количество времени», — говорит Чан. Поэтому он обратился к Codex за помощью в выводе возможных алгоритмов и их проверке на известных решениях.

Codex сгенерировал множество потенциальных подходов, и далеко не все из них оказались верными. «Но это нормально, — считает Чан. — Большинство научных идей терпят неудачу. Важно то, что эти алгоритмы поддаются проверке. Как только вы находите работающий вариант, он потенциально открывает путь к симуляциям, которые раньше были невозможны».

Некоторые системы искусственного интеллекта выдают результаты, не показывая шаги, которые привели их к выводам. Однако группа Чана использует Codex для предложения и реализации таких численных схем, которые они могут изучить, протестировать и осмыслить с физической точки зрения.

Большие языковые модели по-прежнему совершают ошибки, и многие ученые скептически относятся к применению ИИ в исследованиях. Но Чан убежден, что наука — это как раз одна из лучших областей для современных систем ИИ, поскольку научные идеи можно подвергнуть строгой проверке.

«Мы не принимаем идею только потому, что она принадлежит Эйнштейну, способному студенту или модели ИИ, — говорит он. — Мы принимаем ее только после многократных проверок».

Чан рассматривает ИИ как инструмент, который помогает исследователям изучать больше идей, быстрее их тестировать и ускорять открытия, оставаясь при этом в рамках верификации и воспроизводимости результатов.

Если подходы, которые Чан тестирует с помощью Codex, увенчаются успехом, новые алгоритмы в конечном итоге позволят ученым моделировать триллионы частиц вокруг чёрных дыр. Это даст исследователям возможность изучать физику, которая оставалась недосягаемой на протяжении десятилетий.

Автор