OpenAI 公開了一個案例：亞利桑那大學的天文物理學家 Chi-kwan Chan 正將 AI 程式開發工具「Codex」運用於黑洞研究[1]。他利用 Codex 推導並驗證模擬黑洞周圍電漿運動的演算法，試圖突破困擾研究者數十年的運算極限。

史上首張「黑洞影像」團隊的研究者

Chan 是亞利桑那大學與史都華天文台的研究人員，也是國際合作計畫「事件視界望遠鏡（EHT）」的成員[1]。EHT 以 2019 年公開史上第一張黑洞影像而聞名，目前團隊正以 M87 星系中心的超大質量黑洞為對象，推進首部黑洞「影片」的觀測工作[1]。

黑洞的重力極為強大，物體一旦靠得夠近，連光都無法逃脫。因此研究者觀測的是黑洞周圍被稱為「事件視界」的邊界附近區域。Chan 將這道邊界形容為「有去無回的面」[1]。在邊界外側旋轉的物質所發出的光，正是觀測與模擬的對象。

2019 年公開的那張影像，捕捉到的也是發光電漿中黑洞的陰影。Chan 當時為解讀觀測結果所用的模擬與運算工具的開發做出了貢獻[1]。

電漿的「螺旋運動」成為數十年來的高牆

研究團隊面臨的最大障礙，是黑洞周圍電漿的建模。電漿是由電子和離子組成的超高溫物質，許多模擬將其近似為流體，以著名的方程式計算其運動。在粒子頻繁碰撞的高密度電漿中，這種近似已經足夠[1]。

然而，在 Chan 等人研究的超大質量黑洞周圍，存在溫度極高且極為稀薄、粒子之間幾乎不會碰撞的區域。在那裡，粒子沿著磁力線不斷做螺旋運動，若要正確建模，就必須逐一追蹤數兆個電子和離子的細微螺旋運動[1]。

標準的模擬方法需要逐一計算這些微小的旋轉，因此必須採用極短的時間刻度。結果是，即使是世界最快等級的超級電腦，也會把大部分時間耗費在微小的粒子運動計算上，而非研究者真正想研究的大尺度現象。Chan 表示：「數十年來，這一直限制著我們能多真實地模擬黑洞電漿」[1]。

用 Codex 大量推導候選演算法並加以驗證

Chan 認為，只要在數學上改變模擬追蹤粒子運動的方式，電腦或許就不必直接追蹤每一個螺旋。不過，靠人力探索所有數學上的可能性需要耗費龐大的時間。這正是 Codex 登場的時刻：讓它推導候選演算法，再與已知解對照驗證[1]。

Codex 產生的方法並非全部正確。即便如此，Chan 仍抱持正面態度：「絕大多數的科學想法都會失敗。重要的是這些演算法是可驗證的。只要找到一個行得通的，就有可能解鎖過去不可能實現的模擬」[1]。

與只回傳結論的 AI 系統不同，Chan 的團隊讓 Codex 提出並實作數值計算方案，再由人來檢查、測試並從物理上理解，這也是其特色所在。「我們不會因為一個想法出自愛因斯坦、出自優秀的學生或出自 AI 模型就接受它。唯有經過反覆測試，我們才會接受」，Chan 這麼說[1]。

總結

EHT 的天文物理學家 Chan 正在利用 Codex 探索模擬黑洞周圍電漿的新演算法[1]。快速量產可驗證的想法，這種用法充分展現了擁有嚴謹測試文化的科學研究與 AI 的契合度。如果這個方法成功，處理數兆個粒子的模擬將成為可能，數十年來遙不可及的物理現象或許也將近在眼前。

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