bingdada天体物理学家Chi-kwan Chan利用OpenAI Codex模型解决黑洞等离子体模拟的长期瓶颈。通过AI辅助算法设计，他加速了科学发现过程，展示了AI在基础研究中的巨大潜力。
天体物理学家如Chi-kwan Chan通过计算机模拟和观测来研究黑洞，但当前算法和计算能力的限制使得模拟的真实性大打折扣。如今，借助OpenAI的Codex模型，Chan——亚利桑那大学和斯图尔德天文台的研究员——正在攻克这一难题。
黑洞是检验爱因斯坦广义相对论的最佳场所之一。该理论目前是我们解释引力的最佳框架：引力并非将物体拉在一起的力，而是质量和能量弯曲时空结构的结果。Chan是国际事件视界望远镜（EHT）合作项目的成员，该团队于2019年发布了首张黑洞图像。目前，他们正在收集观测数据，旨在制作首部超大质量黑洞的视频，重点关注M87星系中心的黑洞。但将观测转化为科学理解需要海量数据处理、大规模计算工作流以及能够模拟宇宙中最极端物理现象的仿真系统。 由于光线无法逃离黑洞，科学家转而研究其周围的区域，即事件视界——一个物质无法逃脱的边界。Chan将其描述为“不归面”。在这个边界外旋转的物质会发出光线，天体物理学家可以观测、测量和模拟这些光线。EHT在2019年发布的图像显示了黑洞在事件视界附近发光等离子体中的阴影。Chan帮助开发了团队用于解读观测数据的模拟和计算工具。此后，随着团队从静态图像转向视频，Chan及其同事持续改进仪器和观测能力。
Chan团队面临的最大障碍之一是模拟黑洞周围的等离子体。等离子体是由带电电子和离子组成的超高温物质。在许多模拟中，科学家通过将等离子体视为流体来简化问题，使用已知方程模拟其在黑洞周围的运动。这种方法在密度较高的等离子体中效果尚可，因为电子和离子不断相互碰撞。但在Chan团队研究的超大质量黑洞附近，某些区域变得极其炽热和稀薄，粒子间几乎不会相遇。“它们实际上不会相互碰撞，”Chan说。相反，粒子主要围绕磁力线螺旋运动。要正确模拟这种行为，研究人员需要追踪数万亿个电子和离子在黑洞周围快速旋转的轨迹。标准模拟必须计算每一个微小的转弯，迫使计算机采用极短的时间步长。 结果，即使是世界上最快的超级计算机，也可能将大部分时间花在计算这些微小粒子运动上，而不是模拟科学家真正想研究的大尺度行为。“几十年来，这限制了我们对黑洞等离子体模拟的真实程度，”Chan表示。
Chan怀疑新的数学技术可以帮助绕过这些限制。基本思路是通过数学方式改变模拟追踪粒子运动的方法，使计算机不再需要直接追踪每一个微小螺旋。“但用手工探索所有数学可能性将耗费大量时间，”Chan说。于是他转向Codex，帮助推导候选算法并针对已知解进行测试。 Codex生成了许多潜在方法——并非全部正确。“但这没关系，”Chan说。“大多数科学想法都会失败。重要的是这些算法是可测试的。一旦找到有效的方法，它就有可能解锁以前无法实现的模拟。”一些AI系统可以返回结果而不显示得出结论的步骤。但Chan的团队使用Codex提出并实现数值方案，这些方案可以被检查、测试并从物理角度理解。 大型语言模型仍会犯错，许多科学家对在研究中应用AI持谨慎态度。但Chan认为，科学可能是当今AI系统的最佳用途之一，恰恰因为科学思想可以被严格测试。“我们接受一个想法，不是因为它来自爱因斯坦、聪明的学生或AI模型，”他说。“只有经过反复测试，我们才会接受它。”
Chan将AI视为一种工具，可以帮助研究人员探索更多想法，更快地测试它们，并在验证和可重复性的基础上加速发现。如果Chan正在用Codex测试的方法成功，新算法最终将使科学家能够模拟黑洞周围数万亿个粒子。这将使研究人员能够研究几十年来遥不可及的物理现象。
天体物理学家Chi-kwan Chan利用OpenAI的Codex模型，成功突破了黑洞等离子体模拟的长期瓶颈。通过AI辅助算法设计，他不仅加速了科学发现过程，还展示了AI在基础科学研究中的巨大潜力。这一案例表明，当AI与严谨的科学方法相结合时，可以推动人类对宇宙最极端现象的理解迈上新台阶。
Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。 编辑团队：内容策划 · 技术编辑 · AI 研究组 网站：bingdada.com © 2026 Bingdada. 保留所有权利。
SEO & GEO 技术探索者，专注于搜索引擎优化和生成式引擎优化。
英伟达内部实践显示，ChatGPT Work正帮助企业团队将信息整合工作自动化，每周节省16小时，并将原型开发周期从数周缩短至数天。这一案例揭示了AI工作流从工具到组织资产演进的趋势。
OpenAI 将 GPT-5.6 系列模型（Sol、Terra、Luna）集成至 Kiro 开发代理，通过规格驱动方法实现约 82% 的成本降低，标志着 AI 编程从能力竞赛转向成本效率竞争。
OpenAI因模型网络能力逼近关键门槛而调整开发策略，强调安全需贯穿训练全周期。文章解析其技术升级，并对比国内AI安全建设路径。
获取最新的 SEO 与 GEO 技术资讯。
我们尊重您的隐私，随时可以取消订阅。
