OpenAI 公布了一个案例：亚利桑那大学的天体物理学家 Chi-kwan Chan 正在将 AI 编程工具「Codex」用于黑洞研究[1]。他利用 Codex 推导并验证模拟黑洞周围等离子体运动的算法，试图突破困扰研究者数十年的计算极限。

史上首张「黑洞照片」团队的研究者

Chan 是亚利桑那大学和斯图尔德天文台的研究人员，也是国际合作项目「事件视界望远镜（EHT）」的成员[1]。EHT 因 2019 年公布史上第一张黑洞图像而闻名，目前团队正以 M87 星系中心的超大质量黑洞为对象，推进首个黑洞「视频」的观测工作[1]。

黑洞的引力极其强大，物体一旦靠得足够近，连光也无法逃脱。因此研究者观测的是黑洞周围被称为「事件视界」的边界附近区域。Chan 将这一边界形容为「有去无回的面」[1]。在边界外侧旋转的物质所发出的光，正是观测和模拟的对象。

2019 年公布的那张图像，捕捉到的也是发光等离子体中黑洞的阴影。Chan 当时为解读观测结果所用的模拟和计算工具的开发做出了贡献[1]。

等离子体的「螺旋运动」成为数十年来的瓶颈

研究团队面临的最大障碍，是黑洞周围等离子体的建模。等离子体是由电子和离子组成的超高温物质，许多模拟将其近似为流体，用著名的方程计算其运动。在粒子频繁碰撞的高密度等离子体中，这种近似足以奏效[1]。

然而，在 Chan 等人研究的超大质量黑洞周围，存在温度极高且极为稀薄、粒子之间几乎不发生碰撞的区域。在那里，粒子沿磁力线不断做螺旋运动，要想准确建模，就必须逐一追踪数万亿个电子和离子的细微螺旋运动[1]。

标准的模拟方法需要逐个计算这些微小的旋转，因此必须采用极短的时间步长。结果是，即便是世界最快的超级计算机，也会把大部分时间耗费在微小的粒子运动计算上，而不是研究者真正想要研究的大尺度现象。Chan 表示：「数十年来，这一直限制着我们能在多大程度上真实地模拟黑洞等离子体」[1]。

用 Codex 大量推导候选算法并加以验证

Chan 认为，通过在数学上改变模拟追踪粒子运动的方式，计算机也许就不必直接追踪每一个螺旋。不过，靠人工探索所有数学上的可能性需要耗费大量时间。这正是 Codex 的用武之地：让它推导候选算法，再与已知解进行对照验证[1]。

Codex 生成的方法并非全部正确。即便如此，Chan 仍持积极态度：「绝大多数科学想法都会失败。重要的是这些算法是可验证的。只要找到一个行得通的，就有可能解锁此前不可能实现的模拟」[1]。

与只返回结论的 AI 系统不同，Chan 的团队让 Codex 提出并实现数值计算方案，由人来检查、测试并从物理上理解，这也是其特点所在。「我们不会因为一个想法出自爱因斯坦、出自优秀学生或出自 AI 模型就接受它。只有经过反复测试，我们才会接受」，Chan 这样说道[1]。

总结

EHT 的天体物理学家 Chan 正在利用 Codex 探索模拟黑洞周围等离子体的新算法[1]。快速量产可验证的想法，这种用法很好地体现了拥有严格测试文化的科学研究与 AI 之间的契合。如果这一方法取得成功，处理数万亿个粒子的模拟将成为可能，数十年来遥不可及的物理现象或许也将触手可及。

来源：https://openai.com/index/using-codex-to-simulate-black-holes