Die Schwerkraft um ein Schwarzes Loch ist so extrem, dass nicht einmal Licht dem Zugriff entkommen kann. Astrophysiker wie Chi-kwan Chan simulieren Schwarze Löcher mit Computermodellen und Beobachtungen. Doch bisherige Algorithmen und Rechenleistung setzen der Realitätsnähe dieser Modelle enge Grenzen. Mit einem unerwarteten Werkzeug könnte sich das nun ändern – und wir zeigen Ihnen, wie Wissenschaftler dank KI lange unlösbare Probleme angehen.

Von der ersten Aufnahme zum ersten Video

Schwarze Löcher gehören zu den besten Orten, um Einsteins allgemeine Relativitätstheorie auf die Probe zu stellen. Statt einer Kraft, die Objekte anzieht, beschreibt die Theorie Schwerkraft als Resultat von Masse und Energie, die den Stoff von Raum und Zeit krümmen.

Chi-kwan Chan, Forscher an der University of Arizona und dem Steward Observatory, ist Teil der internationalen Event Horizon Telescope (EHT) Kollaboration. Dieses Team veröffentlichte 2019 das erste Bild eines Schwarzen Lochs und arbeitet aktuell an der ersten Aufnahme eines Videos eines supermassiven Schwarzen Lochs im Zentrum der Galaxie M87.

Die Umwandlung von Rohdaten in wissenschaftliches Wissen erfordert jedoch enorme Datenverarbeitung, großangelegte Computing-Workflows und Simulationen, die extremste Physik im Universum abbilden können.

Das Rätsel des Plasmas lösen

Da Licht einem Schwarzen Loch nicht entkommen kann, konzentrieren sich Wissenschaftler auf die Region um den sogenannten Ereignishorizont. Es handelt sich um eine Grenzfläche, hinter der Materie dem Gravitationszug nicht mehr entweichen kann. Materie, die sich knapp außerhalb dieses Horizonts wirbelt, emittiert Licht, das Astrophysiker messen und simulieren können.

Das 2019 veröffentlichte EHT-Bild zeigte den Schatten eines Schwarzen Lochs eingebettet in leuchtendes Plasma nahe des Ereignishorizonts. Chan half bei der Entwicklung der Simulations- und Computing-Tools, mit denen das Team die Beobachtungen interpretierte. Seither arbeiten Chan und seine Kollegen kontinuierlich an der Verbesserung ihrer Instrumente, um von Standbildern zu bewegten Bildern voranzuschreiten.

Der spiralförmige Flaschenhals

Eine der größten Hürden besteht in der korrekten Modellierung des Plasmas um Schwarze Löcher. Plasma ist extrem erhitzte Materie aus elektrisch geladenen Elektronen und Ionen. In vielen Simulationen vereinfachen Forscher das Plasma, indem sie es wie eine Flüssigkeit behandeln. Das funktioniert in dichterem Plasma gut, wo Teilchen ständig miteinander kollidieren.

Von der Flüssigkeit zum Teilchenwirbel

In den heißen, dünnen Regionen nahe supermassiver Schwarzer Löcher stoßen die Teilchen jedoch selten aufeinander. Stattdessen bewegen sie sich spiralförmig um Magnetfeldlinien. Um dieses Verhalten korrekt abzubilden, müssen Forscher Billionen von Elektronen und Ionen verfolgen, die sich im Korkenzieher-Muster um das Schwarze Loch bewegen.

Standard-Simulationen müssen jede winzige Drehung berechnen und zwingen Computer zu extrem kleinen Zeitschritten. Selbst die schnellsten Supercomputer verbringen dann den Großteil ihrer Rechenzeit mit der Erfassung dieser minimalen Teilchenbewegungen anstatt des größeren Verhaltens, das Wissenschaftler eigentlich untersuchen wollen. Wie Chan erklärte, hat dies über Jahrzehnte die Realitätsnähe der Modelle begrenzt.

Mit Codex neue Algorithmen entwickeln

Chan vermutete, dass neue mathematische Techniken diese Einschränkungen umgehen könnten. Die Grundidee: Man verändert mathematisch, wie die Simulation Teilchenbewegungen verfolgt, sodass der Computer nicht mehr jeden einzelnen winzigen Spiralweg direkt nachvollziehen muss.

Testbare Ideen statt perfekter Antworten

Die manuelle Erkundung aller mathematischen Möglichkeiten hätte jedoch enorm viel Zeit gekostet. Deshalb wandte sich Chan an Codex, um Kandidaten-Algorithmen abzuleiten und gegen bekannte Lösungen zu testen. Codex generierte zahlreiche Ansätze – nicht alle korrekt. Doch wie Chan betonte, ist das in Ordnung: Die meisten wissenschaftlichen Ideen scheitern. Entscheidend ist, dass die Algorithmen testbar sind. Sobald man einen funktionierenden Ansatz findet, können Simulationen möglich werden, die zuvor undenkbar waren.

KI im Dienste der strengen Wissenschaft

Einige KI-Systeme liefern Ergebnisse, ohne ihre Zwischenschritte zu zeigen. Chans Gruppe nutzt Codex jedoch, um numerische Verfahren vorzuschlagen und umzusetzen, die sich inspizieren, testen und physikalisch nachvollziehen lassen.

Große Sprachmodelle machen Fehler, und viele Wissenschaftler bleiben der KI-Nutzung in der Forschung gegenüber skeptisch. Chan glaubt jedoch, dass die Wissenschaft eine der besten Anwendungen für aktuelle KI-Systeme sein könnte – gerade weil wissenschaftliche Ideen streng getestet werden können. Wir akzeptieren keine Idee, nur weil sie von Einstein, einem begabten Studenten oder einem KI-Modell stammt. Wir akzeptieren sie erst nach wiederholter Prüfung, so Chan.

Er sieht KI als Werkzeug, das Forschern hilft, mehr Ideen zu erkunden, schneller zu testen und Entdeckungen zu beschleunigen – ohne dabei die Bodenhaftung in Verifizierung und Reproduzierbarkeit zu verlieren.

Ausblick: Von Billionen Teilchen zu neuen Erkenntnissen

Wenn die von Chan mit Codex getesteten Ansätze erfolgreich sind, könnten die neuen Algorithmen es Wissenschaftlern ermöglichen, Billionen von Teilchen um Schwarze Löcher zu simulieren. Das würde Forschern den Zugang zu Physik eröffnen, die seit Jahrzehnten außer Reichweite geblieben ist.

Die Verbindung aus menschlicher Astrophysik und künstlicher Intelligenz könnte so unser Verständnis von Raum, Zeit und Gravitation nachhaltig erweitern.

Quelle

Die Originalmeldung sowie weitere Details finden Sie unter: https://openai.com/index/using-codex-to-simulate-black-holes