天津
編輯丨&
在漆黑的深空之中，有許多暗淡的眼睛——黑洞，一旦靠近事件視界，連光都逃不出它們的視線。但對天體物理學家來說，真正能研究的并不是黑洞「本體」，而是它周圍那層會發光、會流動、會被磁場和相對論共同塑形的等離子體。
2026 年 6 月 11 日， OpenAI 發表了一篇文章，講述了亞利桑那大學與 Steward Observatory 的 Chi-kwan Chan 正做的這件事：用 Codex 幫自己改進黑洞模擬算法，讓原本幾乎被算力壓住的問題，重新變得可探索。
不過在此之前，我們先來回顧一下人類對黑洞的認識歷史。
2019 年，Event Horizon Telescope（EHT）公布了人類第一張黑洞圖像，拍到的是 M87 星系中心的超大質量黑洞 M87*。今天的黑洞天體物理，本質上是觀測、理論和模擬三者一起努力的結果。
圖示：人類為 M87* 拍攝的照片。
拍下這張照片相當不易。很多情況下，研究者會把等離子體近似成流體，因為這樣計算更可控；可一旦進入黑洞附近某些極熱、極稀薄的區域，電子和離子就不再像普通流體那樣頻繁碰撞，而是更多沿磁力線做螺旋運動。
為了正確描述這些區域，模型就得追蹤海量粒子的微觀行為，時間步長也隨之被壓到很小，超級計算機的大部分時間都會被耗在細枝末節上。更直白的點來說，超算模擬的并非有序系統，而是在追蹤數萬億個電子和離子各自的去向。
對此，Chan 有他自己的想法：不如從數學上改變模擬對粒子運動的追蹤方式，使計算機不再需要直接跟蹤每一個微小的螺旋。
這一點需要 Codex 幫助推導候選算法并用已知解進行測試。Codex 提出了許多潛在的方案——并非全部正確，但這些問題無傷大雅，重點在于這些算法是可測試的。一旦找到有效的方法，Codex 就有可能解鎖以前不可能實現的模擬。
圖示：來自 Chan 手寫的數學近似。
配套故事中提到，Codex 幫他發現了新的坐標變換和數值算法，某些計算的速度據說能提升到1000 倍，并能讓團隊進行以前無法實現的模擬。Chan 仍需實現和驗證 Codex 生成的每一個近似值，但這種方法加快了他的工作流程，使他能將更多時間投入到研究中。
相關鏈接：https://openai.com/index/creating-new-simulations-black-holes/
這類工作并不是孤例。OpenAI 近來的「Applied AI」故事里，Codex 已經被寫進多個真實工作流：軟件工程、企業開發、研究加速，如今又進入天體物理數值模擬。
從這些故事中，可以看到一個很清晰的趨勢，AI 不再只被拿來「回答問題」，而是在研究流程中段承擔更重的角色——提出候選、組織搜索、快速驗證、持續修正。對科學而言，這意味著瓶頸開始從「有沒有想法」轉向「能不能把想法高效地變成可計算、可檢驗的方案」。
相關鏈接：https://openai.com/zh-Hans-CN/index/accelerating-science-gpt-5/
在這個團隊中，AI 的效能并不在代替——Chan 表示，他們并不會因為某個想法來自愛因斯坦、聰慧的學生或者 AI 就直接采用，決策只會出現在測試之后。
對于 Chan 來說，Codex 只會是一個工具，可以幫助研究人員探索更多想法，更快地測試它們，加速發現過程，同時保持驗證和可重復性的基礎。
對黑洞研究來說，這意味著模擬有機會變得更真實；對 AI for Science 來說，這意味著代理開始真正進入研究鏈條，而不是停留在演示層面。黑洞依舊深不可測，但人類至少開始擁有一把更順手的「鑰匙」了。
原文鏈接：https://openai.com/index/using-codex-to-simulate-black-holes/
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
