Trọng lực xung quanh hố đen mạnh đến mức không có gì, kể cả ánh sáng, có thể thoát ra ngoài khi đã tiến đủ gần. Để nghiên cứu các thực thể bí ẩn này, các nhà vật lý thiên văn phải dựa vào các mô phỏng máy tính và dữ liệu quan sát thực tế. Tuy nhiên, giới hạn về thuật toán và sức mạnh tính toán hiện tại đang cản trở độ chân thực của các mô phỏng đó.
Chi-kwan Chan, nhà nghiên cứu tại Đại học Arizona và Steward Observatory, đang giải quyết thách thức này bằng cách ứng dụng OpenAI Codex – hệ thống AI hỗ trợ lập trình mạnh mẽ của OpenAI.
Kiểm chứng Thuyết tương đối tổng quát của Einstein
"Hố đen là một trong những nơi tốt nhất để kiểm chứng Thuyết tương đối tổng quát của Einstein", Chan chia sẻ. Thuyết tương đối tổng quát hiện là lời giải thích tốt nhất của nhân loại về lực hấp dẫn: thay vì coi hấp dẫn là một lực hút vật chất vật lý, Einstein giải thích rằng hấp dẫn là kết quả của khối lượng và năng lượng làm cong cấu trúc của không gian và thời gian.
Chan là một thành viên của dự án hợp tác quốc tế Event Horizon Telescope (EHT) – nhóm khoa học đã công bố bức ảnh chụp hố đen đầu tiên trong lịch sử nhân loại vào năm 2019. Hiện tại, cả nhóm đang nỗ lực thu thập các quan sát để sản xuất video thực tế đầu tiên về một hố đen siêu khối lượng (supermassive black hole), tập trung vào hố đen nằm ở trung tâm thiên hà M87.
Tuy nhiên, việc chuyển đổi các quan sát thô thành hiểu biết khoa học thực thụ đòi hỏi một lượng xử lý dữ liệu khỏng lồ, quy trình tính toán quy mô lớn và các mô phỏng có khả năng mô hình hóa một số hiện tượng vật lý cực đoan nhất trong vũ trụ.
Ứng dụng OpenAI Codex tinh chỉnh thuật toán mô phỏng
Vì ánh sáng không thể thoát ra khỏi hố đen, các nhà khoa học phải tập trung nghiên cứu vùng không gian ngay bên ngoài ranh giới này, gọi là chân trời sự kiện (event horizon) – bề mặt "không thể quay đầu". Vật chất xoay quanh chân trời sự kiện bị nung nóng và phát xạ ánh sáng mà các kính viễn vọng có thể nhìn thấy, đo lường và mô phỏng.
Bức ảnh lịch sử năm 2019 của EHT cho thấy bóng của hố đen được bao bọc trong lớp plasma phát sáng rực rỡ gần chân trời sự kiện. Chan đã đóng vai trò quan trọng trong việc phát triển các công cụ mô phỏng và tính toán mà nhóm sử dụng để giải mã các quan sát đó.
Hiện nay, bằng cách sử dụng Codex, Chan có thể nhanh chóng viết, kiểm thử và tinh chỉnh mã nguồn (bằng các ngôn ngữ như Python và C++) để mô phỏng chuyển động của các electron và ion siêu nóng trong đĩa bồi tụ của hố đen. AI giúp tối ưu hóa hiệu năng tính toán của các phương trình thủy động lực học từ-trị (GRMHD) trong không gian cong, rút ngắn đáng kể chu kỳ thử nghiệm thuật toán từ vài tuần xuống còn vài giờ.
Sự hỗ trợ từ các công cụ AI như Codex không chỉ đẩy nhanh tiến độ nghiên cứu của dự án EHT mà còn mở ra một chương mới trong việc ứng dụng trí tuệ nhân tạo để giải quyết các bài toán vật lý lý thuyết phức tạp nhất của nhân loại.