Codex 正在帮助 Chi-kwan Chan 改进并验证用于模拟黑洞周围电子和离子运动的算法。

黑洞周围的引力强到极端，只要足够接近，连光都无法逃脱。像 Chi-kwan Chan 这样的天体物理学家，会结合计算机模拟与观测来研究黑洞，但现有算法和算力仍限制着这些模拟的逼真程度。

Chan 是亚利桑那大学和 Steward Observatory 的研究人员，他正在把 Codex 用到这项工作中。他也是 Event Horizon Telescope 合作项目的一员。该项目曾在 2019 年发布首张黑洞图像，如今正朝着拍出以 M87 为中心的超大质量黑洞首支视频迈进。

要把观测结果转化为科学认知，需要大规模计算 workflow，以及能够刻画极端物理条件的模拟。由于光无法从黑洞中逃逸，科学家会把重点放在事件视界周围，因为那里的物质会发光，而这些光可以被观测、测量和模拟。

该合作项目在 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中。Chan 参与构建了解读这些观测结果所需的模拟与计算工具。随着团队从静态图像迈向视频，他们也在持续改进仪器与模拟。

解决粒子盘旋难题

主要障碍之一，是如何对黑洞周围的等离子体建模。等离子体是由带电电子和离子构成的超高温物质。

在许多模拟中，科学家会把等离子体简化为一种流体。对于电子和离子频繁碰撞的高密度等离子体，这种处理方式通常还算有效。但在 Chan 研究的超大质量黑洞附近，一些区域会变得极其炽热且稀薄，粒子几乎不发生碰撞，而是沿着磁场线盘旋。

若要正确模拟这种行为，就必须追踪海量电子和离子围绕黑洞做螺旋运动的过程。标准模拟需要计算每一个极其细微的转动，因此计算机不得不采用极小的时间步长。

结果是，即便是全球最快的超级计算机，也可能把大部分时间耗在计算这些微小粒子运动上，而不是去模拟研究人员真正关心的大尺度行为。Chan 认为，这个问题几十年来一直限制着黑洞等离子体模拟的逼真程度。

用 AI 构建更好的数字孪生

Chan 认为，新的数学技术或许能带来帮助。办法是改变模拟追踪粒子运动的方式，让计算机不必再直接跟随每一次细小的螺旋运动。若纯靠手工探索这些可能性，将耗费大量时间，因此他转向 Codex，让它推导候选算法，并与已知解进行对照测试。

Codex 生成了许多可能的方案，其中并非每一种都正确。Chan 认为这可以接受，因为这些算法是可检验的：只要其中一种有效，就可能解锁此前无法完成的模拟。

Chan 团队并不是接受难以解释的黑箱结果，而是让 Codex 提出并实现他们可以检查、测试并从物理层面理解的数值方案。他认为，科学之所以是 AI 的强应用场景，恰恰就在于科学想法可以被严格验证。

在 Chan 看来，AI 是一种工具，能帮助研究者探索更多想法、更快完成测试，并在保持可验证性与可复现性的前提下加速发现。如果他正在测试的这些方法最终成功，科学家也许就能模拟黑洞周围数万亿个粒子的行为，并研究那些数十年来一直难以触及的物理问题。