使用 OpenAI Codex 加速黑洞等离子体模拟

用于黑洞模拟的 AI 驱动算法发现

天体物理学家 Chi-kwan Chan 正在利用 OpenAI Codex 开发新的数值算法，以实现对超大质量黑洞周围等离子体的更真实模拟。通过使用 AI 提出候选数学方案，研究人员可以绕过历史上限制黑洞建模规模和精度的计算瓶颈。

克服等离子体建模中的计算瓶颈

模拟黑洞周围的环境需要建模等离子体——由带电电子和离子组成的过热物质。虽然致密等离子体可以建模为流体，但超大质量黑洞附近的热且稀薄区域表现不同，其中粒子很少发生碰撞，而是沿着磁场线螺旋运动。

为了准确建模这种行为，标准模拟必须跟踪围绕黑洞螺旋运动的万亿级粒子。这需要计算机采取极小的时间步长来计算每一次旋转，这会消耗大部分超算算力，并阻止研究者研究更大尺度的行为。

Codex 在算法探索中的作用

Chi-kwan Chan 使用 Codex 加速对数学技术的探索，这些技术改变了模拟跟踪粒子运动的方式。目标是找到一种方法，使计算机能够模拟粒子的运动，而无需直接跟踪每一个微小的螺旋。

迭代测试与验证

与其依赖 AI 作为“黑箱”，Chan 的团队使用 Codex 提出并实施完全可检查且易于物理理解的数值方案。该过程遵循严格的科学框架：

• 候选生成： Codex 生成多种潜在的数学方法来解决问题。
• 测试： 每个提出的算法都会根据已知解进行测试以验证其准确性。
• 验证： 由于科学思想需要反复测试，AI 生成的建议被视为必须通过验证和可重复性来证明的假设。

对天体物理学的影响

如果成功实施这些 Codex 辅助算法，科学家将能够模拟围绕黑洞的万亿级粒子。这一能力将使事件视界望远镜（EHT）合作组织——该组织在 2019 年产生了第一张黑洞图像——能够从静态图像迈向制作首部超大质量黑洞的视频，具体聚焦于 M87 星系中心的黑洞。