ZoriaNews

Ne oldu?

Arizona Üniversitesi ve Steward Gözlemevi'nde görevli astrofizikçi Chi-kwan "CK" Chan, süper kütleli kara deliklerin çevresindeki plazmayı modellemek için OpenAI'nin kod üreten yapay zeka aracı Codex'i kullanıyor. Chan, 2019'da ilk kara delik görüntüsünü elde eden Event Horizon Telescope (EHT) iş birliğinin üyelerinden biri; şimdi aynı ekip, M87 galaksisinin merkezindeki kara deliğin ilk videosunu çekmeye hazırlanıyor. Codex, bu çalışmada genel görelilik kuramına uygun parçacık simülasyon kodlarını hızla üretip test etmesine yardım ediyor. Araştırmacının belirttiğine göre, normalde on günde oluşturabildiği on yeni yaklaşımı, Codex ile dakikalar içinde deneyebiliyor.

Neden önemli?

Bu çalışma, kod üreten yapay zekanın web uygulamalarından çok daha karmaşık bilimsel hesaplamalarda da kullanılabileceğini gösteriyor. Kara delik çevresindeki plazma, son derece düşük yoğunluklu ve yoğun yerçekimi altında hareket eden bir elektron-iyon karışımı. Bu ortamı gerçekçi şekilde simüle etmek, Einstein'ın genel görelilik teorisinin tahminlerini gözlemsel verilerle karşılaştırmayı mümkün kılıyor. Ancak mevcut modeller, EHT'nin son gözlemlerinde doğada görülenleri tam olarak açıklayamıyor. Codex, yeni algoritmaların hızlı prototipini yaparak bu hesaplama darboğazını aşmaya yardımcı oluyor; böylece bilim insanları daha önce denemesi yıllar sürecek matematiksel yaklaşımları günler veya saatler içinde değerlendirebiliyor.

Ayrıca süreç, yapay zeka destekli üretimin bilimsel yöntemin yerini almadığına dair önemli bir örnek teşkil ediyor. Codex'in önerdiği algoritmalar, matematiksel tutarlılık ve deneysel doğrulama ile süzülüyor; yani yapay zeka burada bir hızlandırıcı görevi görüyor, bilimsel süzgecin kendisi değil.

Kim veya ne etkileniyor?

Doğrudan etkilenenler, EHT iş birliği, Steward Gözlemevi ve Arizona Üniversitesi'ndeki araştırmacılar ile öğrenciler. Dolaylı olarak genel görelilik, yüksek enerji astrofiziği ve GPU tabanlı bilimsel hesaplama yapan her kesim bu yöntemden etkilenebilir. Özellikle simülasyon kodları üzerinde çalışan akademik ekipler ve bilgisayarlı bilim araştırmacıları, algoritma geliştirme döngülerini kısaltmak için benzer kod-yazma ajanlarını deneyebilir.

Ne yapılmalı?

Bilimsel ekipler, karmaşık sayısal modellerin geliştirme hızını artırmak için Codex gibi kod üreten ajanları mevcut iş akışlarına dahil edebilir. Ancak önerilen her kodun fiziksel tutarlılık, stabilite ve karşılaştırmalı doğrulama testlerinden geçirilmesi şart. Araştırmacılar için öneri şudur: yapay zeka ile hızlı prototipleme yapan, fakat son kontrolü matematiksel ispat ve gözlemsel veriye bırakan bir "insan uzmanı + yapay zeka" hibriti oluşturmak. Bu yaklaşım, sadece kara delik simülasyonlarında değil, iklim modellemesi, malzeme bilimi ve genetik gibi yoğun hesaplama gerektiren alanlarda da yaygınlaşabilir.