Codex助力天体物理学家模拟黑洞 加速极端引力研究

背景与挑战

黑洞周围的等离子体行为极其复杂，传统模拟往往将其视为连续流体。但在超大质量黑洞的稀薄、高温等离子体区，电子和离子碰撞频率极低，粒子主要沿磁场线螺旋运动。要精确捕捉这种微观螺旋，需要对每一次细微转向进行计算，导致即使是全球最快的超算也只能在微观尺度上耗费大部分算力，难以得到宏观物理图像。

AI 介入的思路

Chan 认为可以通过数学变换改变数值方案，使模拟不必直接追踪每一次微小螺旋。为快速探索数百种可能的改进公式，他转向 OpenAI 的代码生成模型 Codex，让其根据描述自动生成候选算法并输出可执行代码。Codex 在短时间内提供了多种数值离子运动近似方案，Chan 逐一在已知解上进行验证，剔除错误实现，保留可解释、可调试的算法。

实验验证与成果

• 算法筛选：在 50 余种 Codex 提案中，3 种能够在保持能量守恒的前提下，将时间步长提升至原来的 10‑100 倍。
• 算力节省：使用新方案后，同等精度的模拟在 Summit 超算上运行时间缩短约 70%，相当于释放数千 GPU‑year 的计算资源。
• 物理洞察：改进后的模型成功再现了 Event Horizon Telescope（EHT）观测到的等离子体光环结构，为即将推出的黑洞视频提供了更可靠的数值基底。

对天体物理的意义

更高效的数值模拟意味着科研团队可以在更短时间内探索更大参数空间，检验广义相对论在极端引力场中的细微偏差。Chan 表示，AI 充当“想法的加速器”，帮助科学家在数月的手工推导和代码调试工作中压缩至数天。

展望

如果 Codex‑驱动的算法在更广泛的天体物理场景中得到验证，未来的黑洞、脉冲星乃至早期宇宙的高能等离子体模拟都可能受益。Chan 强调，AI 生成的代码仍需严格审查和实验验证，但其在加速假设生成、提升研发效率方面的潜力已初现端倪。

“我们不因工具是 AI 而盲目信任，只因它能让我们更快地把想法落地并经受严苛的科学检验。”——Chi‑kwan Chan