Как астрофизик использует Codex для симуляций чёрных дыр

Что если искусственный интеллект поможет учёным заглянуть туда, куда не проникает даже свет? Именно это сейчас делает астрофизик Чи-кван Чан (Chi-kwan Chan) из Университета Аризоны: он использует Codex — AI-агент для программирования от OpenAI — чтобы строить всё более точные компьютерные модели чёрных дыр.

Чёрные дыры: физика на пределе возможного

Гравитация вблизи чёрной дыры настолько экстремальна, что ничто — даже свет — не может вырваться за её пределы, стоит только оказаться достаточно близко. Именно поэтому чёрные дыры остаются одними из самых загадочных объектов во Вселенной — и одновременно одними из самых ценных научных инструментов.

Чёрные дыры — одно из лучших «испытательных полигонов» для общей теории относительности Эйнштейна. Эта теория является нашим лучшим объяснением гравитации: вместо силы, притягивающей объекты друг к другу, гравитация — это результат искривления пространства-времени массой и энергией.

Поскольку свет не может покинуть чёрную дыру, учёные изучают область вокруг неё — так называемый горизонт событий. «Это поверхность без возврата», — говорит Чан. Вещество, вращающееся непосредственно у этой границы, испускает свет, который астрофизики могут наблюдать, измерять и моделировать.

Телескоп горизонта событий и первый снимок чёрной дыры

Чан является участником международного сотрудничества Event Horizon Telescope (EHT) — коллаборации, опубликовавшей первое изображение чёрной дыры в 2019 году.

Чи-кван Чан — адъюнкт-астроном и исследовательский профессор Обсерватории Стюарда при Университете Аризоны, с 2020 года занимающий пост секретаря Научного совета EHT. Он руководил публикацией вычислительного и теоретического моделирования чёрной дыры Sgr A* (Стрелец A*) — сверхмассивной чёрной дыры в центре нашей Галактики. Профессор Чан создал вычислительную инфраструктуру и инфраструктуру обработки данных для EHT и по сей день руководит ею.

Снимок 2019 года, опубликованный EHT, показал тень чёрной дыры, погружённой в светящуюся плазму вблизи горизонта событий. Чан помогал разрабатывать инструменты симуляции и вычисления, которые команда использовала для интерпретации наблюдений.

«Это поверхность без возврата» — Чи-кван Чан о горизонте событий чёрной дыры

С тех пор Чан и его коллеги продолжают совершенствовать инструменты наблюдения, двигаясь от статичных снимков к видеозаписям. Их цель — создать первое движущееся изображение чёрной дыры.

Главная проблема: моделирование плазмы

Один из главных барьеров для Чана и его команды — моделирование плазмы вокруг чёрных дыр. Плазма — это сверхгорячее вещество, состоящее из электрически заряженных электронов и ионов. Во многих симуляциях учёные упрощают описание плазмы, рассматривая её как жидкость и применяя хорошо известные уравнения для описания её движения вокруг чёрной дыры.

Такой подход работает относительно хорошо в более плотной плазме, где электроны и ионы постоянно сталкиваются друг с другом. Однако вблизи сверхмассивных чёрных дыр, которые изучают Чан и его коллеги, некоторые области становятся настолько горячими и разреженными, что частицы почти не взаимодействуют между собой.

Вместо этого частицы в основном движутся по спирали вдоль силовых линий магнитного поля. Чтобы точно смоделировать такое поведение, исследователям необходимо отслеживать триллионы отдельных частиц одновременно — задача, которая быстро выходит за пределы возможностей даже самых мощных суперкомпьютеров.

Как Codex помогает найти новые алгоритмы

Чан предположил, что новые математические методы могут помочь обойти часть этих ограничений. Ключевая идея — математически изменить способ отслеживания движения частиц в симуляции, чтобы компьютеру больше не приходилось напрямую следовать за каждой крошечной спиралью.

«Но вручную перебирать все математические варианты заняло бы колоссальное количество времени», — говорит Чан. Поэтому он обратился к Codex: тот помогает генерировать и проверять кандидатные алгоритмы на соответствие известным решениям.

Codex генерировал множество потенциальных подходов — далеко не все из них оказывались верными. «Но это нормально, — говорит Чан. — Большинство научных идей не работают. Важно, что эти алгоритмы поддаются проверке. Как только находишь работающий — он способен открыть дверь к симуляциям, которые раньше были просто невозможны».

Что такое Codex от OpenAI

Codex — это AI-агент для программирования, разработанный OpenAI для решения задач программной инженерии: написания кода и исправления ошибок. Он был выпущен в апреле 2025 года в виде Codex CLI.

При запуске Codex был основан на модели codex-1 — версии рассуждающей модели o3, оптимизированной для задач разработки программного обеспечения. Он умеет создавать новые функции, отвечать на вопросы о кодовой базе, исправлять баги и предлагать изменения кода для ревью.

К марту 2026 года Codex насчитывал более 2 миллионов активных пользователей в неделю, а OpenAI позиционирует его как более широкую агентную платформу для задач, выходящих за рамки разработки ПО.

Рабочий процесс: от физической задачи до нового алгоритма

Вот как выглядит типичный цикл работы Чана с Codex:

graph TD
    A[Физическая проблема: моделирование плазмы] --> B[Формулировка математической гипотезы]
    B --> C[Запрос к Codex: генерация кандидатных алгоритмов]
    C --> D[Codex предлагает несколько подходов]
    D --> E{Тестирование на известных решениях}
    E -- Не работает --> C
    E -- Работает --> F[Интеграция в симуляцию чёрной дыры]
    F --> G[Новые научные наблюдения]

Этот итеративный процесс кардинально меняет темп исследования: то, что раньше занимало месяцы ручных вычислений, теперь сжимается до нескольких дней интенсивной работы с ИИ-ассистентом.

Сравнение подходов к моделированию плазмы

Традиционный гидродинамический подход (MHD — magnetohydrodynamics, магнитная гидродинамика) хорошо работает для плотной плазмы, но теряет точность в условиях, актуальных для EHT. Полное кинетическое моделирование теоретически точнее, но требует ресурсов на порядки выше доступных. Новые алгоритмы, которые Чан ищет с помощью Codex, должны занять золотую середину.

Зачем это важно: ИИ как инструмент фундаментальной науки

Работа Чана — один из наиболее наглядных примеров того, как ИИ-инструменты меняют фундаментальную науку. Речь идёт не о замене учёного, а о качественном расширении пространства исследуемых гипотез.

Помимо использования GPU для ускорения моделирования чёрных дыр, профессор Чан также разработал множество новых алгоритмов для ускорения современных исследований, создал облачные вычислительные инфраструктуры для обработки больших наблюдательных данных и применил алгоритмы машинного обучения для автоматизации научных задач.

# Упрощённый пример: как Codex помогает тестировать алгоритм
# отслеживания частиц в магнитном поле

import numpy as np

def test_particle_orbit(algorithm_fn, known_solution, tolerance=1e-6):
    """
    Тестирует кандидатный алгоритм против известного аналитического решения.
    Именно такой подход использует Чан при работе с Codex.
    """
    t = np.linspace(0, 10, 1000)
    result = algorithm_fn(t)
    error = np.max(np.abs(result - known_solution(t)))
    
    if error < tolerance:
        print(f"✅ Алгоритм прошёл проверку. Ошибка: {error:.2e}")
        return True
    else:
        print(f"❌ Алгоритм отклонён. Ошибка: {error:.2e}")
        return False

Итог: ИИ открывает новые горизонты астрофизики

История Чи-кван Чана и Codex — это история о том, как AI-инструменты становятся полноценными партнёрами в научном поиске. Астрофизики изучают чёрные дыры с помощью компьютерных симуляций и наблюдений, однако нынешние алгоритмы и вычислительные мощности ограничивают реалистичность этих симуляций. Codex помогает сломать этот барьер — не заменяя учёного, а многократно ускоряя его работу.

Если новые алгоритмы, найденные с помощью ИИ, окажутся работоспособными, это может открыть путь к созданию первого видео чёрной дыры — и к более глубокой проверке общей теории относительности в самых экстремальных условиях, которые только существуют в природе.