核心概念

2026 年 6 月 11 日，OpenAI 發布案例研究，聚焦亞利桑那大學 Steward Observatory 天文物理學家 Chi-kwan Chan（CK Chan）如何借助 Codex 推進黑洞計算模擬。

背景：黑洞科學的計算瓶頸

Chan 是事件視界望遠鏡（Event Horizon Telescope，EHT）國際合作計畫的核心成員。EHT 在 2019 年拍下人類史上第一張黑洞影像（M87 星系中心），他負責開發詮釋觀測數據所需的模擬工具與計算框架。現階段團隊的下一個目標是製作超大質量黑洞的第一部影片——但這對計算資源的需求遠比靜態影像更龐大。

黑洞周圍存在一層由超熱電漿構成的吸積盤，本質上是帶電的電子（electrons）與離子（ions）在極端磁場與重力場中的混沌運動。這套物理系統必須用「廣義相對論磁流體動力學」（GRMHD, General Relativistic Magnetohydrodynamics）來描述，而現有演算法在精度與計算速度之間存在根本性的取捨：提升物理精度通常意味著計算時間成倍增長。

Chan 本人長期致力於用 GPU 加速黑洞模擬，並開發了多套新演算法來突破這道計算瓶頸——正是這個開發過程中，Codex 成為重要的協作工具。

Codex 如何介入

黑洞模擬本質上是高度專業的數學計算：方程式設計、數值方法選擇、邊界條件處理、GPU kernel 優化。過去這類工作完全依賴少數專家，從構思到可執行程式碼往往需要數週甚至數月。

Chan 使用 Codex 的方式集中在兩個環節：

演算法原型快速驗證：將數學推導翻譯成可執行的程式碼，並在真實資料集上立即測試。Codex 能快速生成候選實作，讓研究人員將精力集中在物理判斷（這個方程式的邊界行為是否合理？），而非語法層面的除錯。

現有程式碼的理解與改寫：大型科學模擬程式碼庫往往有數十年歷史，文件殘缺、作者早已離開。Codex 協助 Chan 快速理解遺留程式碼的邏輯，並將老舊 FORTRAN 或 C 片段重構為現代 GPU 友好格式。

科學意義

廣義相對論是物理學最嚴格的理論之一，但其最極端的預測（黑洞事件視界附近的時空曲率）只能在黑洞周圍觀測到。高精度的 GRMHD 模擬不是「展示用的動畫」，而是科學家用來反推黑洞質量、自旋、以及測試廣義相對論是否在極端條件下仍成立的核心工具。

EHT 合作近期的研究已確認銀河系中心黑洞（Sagittarius A*，天鵝座 A*）正以接近最大理論值的速度自旋——這一結論正是透過近百萬組 GRMHD 模擬數據配合 AI 分析得出的。Chan 的工作位於這條研究鏈的前端：更快、更精確的模擬程式碼，意味著下游的觀測詮釋也能更精確。

關鍵要點

  • 角色定位：Codex 在此扮演「計算助理」而非「研究主導者」——科學問題的定義、物理判斷、結果詮釋仍完全由人類科學家負責
  • 核心挑戰：黑洞電漿模擬（GRMHD）在計算精度與速度之間存在根本取捨，現有工具難以同時兼顧
  • 加速環節：Codex 主要縮短「數學→可執行程式碼」的轉譯時間，以及解讀龐雜遺留程式碼庫的認知負擔
  • 廣義相對論測試：黑洞是地球上無法複製的極端物理實驗室，精確模擬是驗證基礎物理理論的唯一途徑
  • AI for Science 趨勢的縮影：此案例代表 AI 工具從「軟體開發輔助」向「科學計算輔助」延伸的具體實例

實務應用

此案例揭示了 AI 程式碼生成工具在科學計算場景的差異化價值：與企業軟體開發不同，科學計算的「正確性」不能靠測試覆蓋率衡量，而需要物理直覺——這意味著 AI 工具縮短的是「想法→可驗證原型」的時間，讓科學家能做更多假設驗證，而非減少對領域專家的依賴。

對於其他科學計算領域（氣候模擬、量子化學、流體力學），同樣的模式均可複製：用 Codex 或類似工具快速生成候選實作，科學家負責物理判斷與結果詮釋。

延伸觀點

來自 arXiv 和 Nature 的交叉驗證資料揭示了 Chan 工作的更廣泛背景：

GRMHD 模擬的 GPU 革命：2025-2026 年多篇論文確認，GPU 加速的 GRMHD 程式碼（如 GRaM-X）已能在完整三維廣義相對論框架下模擬黑洞形成，這在五年前幾乎不可能。Chan 的研究正是這波 GPU 化浪潮的先驅之一。

AI × 科學模擬的系統性整合：Nature 2025 年的 AI for Science 調查顯示，物理學和天文學是 AI 輔助科學計算的兩個最成熟領域——但仍以「AI 分析觀測數據」為主，「AI 協助撰寫模擬程式碼」是較新的進入點。SciCode 基準測試顯示，即使是最先進的模型在 PhD 級科學程式碼任務上成功率仍僅 7.7%，提示領域專業知識的不可替代性。

廣義相對論的計算驗證：2025 年 Sgr A* 黑洞自旋測量（接近最大值）使用了近百萬組 GRMHD 模擬，此量級的計算在過去需要數年，正是因為 GPU 加速和演算法改進才變得可行。Chan 的 Codex 輔助工作流若能進一步提速，將直接推動下一代 EHT 觀測的詮釋精度。