使用 OpenAI Codex 加速黑洞等離子體模擬

由 AI 驅動的黑洞模擬演算法發現

天體物理學家 Chi-kwan Chan 正利用 OpenAI Codex 開發新的數值演算法，使得在超大質量黑洞周圍的等離子體模擬更加真實。透過使用 AI 提出候選數學方案，研究人員可以繞過歷史上限制黑洞建模規模與準確度的計算瓶頸。

克服等離子體建模中的計算瓶頸

模擬黑洞周圍環境需要建模等離子體——由帶電電子和離子組成的過熱物質。雖然密集等離子體可以視為流體來建模，但超大質量黑洞附近熱且稀疏的區域表現不同，其中粒子很少發生碰撞，而是繞著磁場線螺旋運動。

為了準確建模此行為，標準模擬必須追蹤數以兆計的粒子在黑洞周圍螺旋運動。這要求電腦使用極小的時間步長來計算每一次旋轉，這佔用了超級電腦的大部分運算能力，並阻止研究者研究更大尺度的行為。

Codex 在演算法探索中的角色

Chi-kwan Chan 使用 Codex 加速數學技術的探索，這些技術改變了模擬追蹤粒子運動的方式。目標是尋找一種方法，讓電腦能夠模擬粒子的運動，而無需直接追蹤每一個微小的螺旋。

迭代測試與驗證

而不是將 AI 作為「黑箱」來依賴，Chan 的團隊使用 Codex 提出並實作完全可檢查且在物理上可理解的數值方案。該流程遵循嚴謹的科學框架：

• 候選生成： Codex 產生多種可能的數學方法來解決問題。
• 測試： 每個提出的演算法會針對已知解進行測試，以驗證其正確性。
• 驗證： 由於科學理念需要反复測試，AI 生成的建議被視為必須透過驗證與可重複性來證明的假設。

對天體物理學的影響

如果這些輔助 Codex 的演算法成功實作，科學家將能夠模擬黑洞周圍數以兆計的粒子。此能力將使事件視界望遠鏡（EHT）合作團隊——該團隊在 2019 年產出了第一張黑洞影像——能夠靜止圖像邁進，朝著產出第一支超大質量黑洞影片發展，特別聚焦在 M87 星系中心的黑洞。