科研工作者們希望更好地理解通過偵測(cè)雙黑洞碰撞產(chǎn)生的引力波所帶來的數(shù)據(jù)，現(xiàn)在，他們希望得到你的幫助。

西弗吉尼亞大學(xué)助理教授 Zachariah Etienne 正在領(lǐng)導(dǎo)著一個(gè)即將成為全球志愿計(jì)算的項(xiàng)目：公眾可以將自己的電腦“借”給科學(xué)界，來助力解鎖黑洞相撞時(shí)引力波里的秘密。團(tuán)隊(duì)將他們的項(xiàng)目命名為“家中黑洞”（ BlackHoles@Home ），并且希望在今年底將其上線。

LIGO 在 2015 年首次成功從黑洞碰撞中探測(cè)到引力波，從此打開了觀察宇宙的新窗口。這使得科學(xué)家們能夠通過觀察持續(xù)數(shù)十億年的宇宙現(xiàn)象來更好地理解宇宙的構(gòu)造。這個(gè)發(fā)現(xiàn)也足以使得很多科學(xué)家們更徹底的檢驗(yàn)之前推測(cè)的宇宙運(yùn)行原理。其中很重要的一個(gè)方式就是在黑洞碰撞前盡可能用理論推測(cè)相關(guān)的信息，然后在探測(cè)中進(jìn)行檢驗(yàn)。

圖丨BlackHoles @ Home 項(xiàng)目使用高效的模擬網(wǎng)格，因此可以在臺(tái)式計(jì)算機(jī)上建模。黑點(diǎn)代表兩個(gè)不同質(zhì)量黑洞的視界（來源：Z.Etienne/WVU）

愛因斯坦于 1916 年首次預(yù)測(cè)了引力波是時(shí)空漣漪，且其中含有關(guān)于引力場(chǎng)改變的重要信息。自從 2015 年的首次成功探測(cè)，LIGO 和 Virgo 又探測(cè)到了另外八次黑洞碰撞。這個(gè)月，LIGO 和 Virgo 將開始在史無前例的靈敏度下進(jìn)行新的探測(cè)。

“隨著我們的引力波探測(cè)器變得越來越靈敏，我們將需要更多的計(jì)算力來理解更多雙黑洞碰撞合并產(chǎn)生的引力波中所含有的信息”，Etienne 說道，“所以我們將會(huì)向公眾尋求幫助，其中包括生成大量自洽高能碰撞的模擬。我們需要盡可能多的幫助，并且我們希望通過這個(gè)項(xiàng)目來激起未來更多的科學(xué)家們投入新興的引力波天體物理研究領(lǐng)域?！?/p>

他的團(tuán)隊(duì)，乃至于整個(gè)科學(xué)界，都需要更多的計(jì)算力來窮盡引力波所有可能的相關(guān)性質(zhì)和信息。

Etienne 表示：“每一臺(tái)臺(tái)式電腦都能夠用來進(jìn)行一次黑洞碰撞模擬。”

Etienne 和其他的科研工作者們希望通過讓公眾們參與科研項(xiàng)目來大幅增加引力波的理論預(yù)測(cè)數(shù)量，從而提高實(shí)際碰撞觀測(cè)中能夠提取的信息。黑洞有著兩個(gè)物理量：旋轉(zhuǎn)與質(zhì)量。而旋轉(zhuǎn)又可以被分解為方向和速度。因此，在 LIGO 或 Virgo 偵測(cè)雙黑洞碰撞產(chǎn)生的波時(shí)，Etienne 的同事們總共會(huì)檢測(cè) 8 個(gè)參量。

Etienne 補(bǔ)充道：“這些通過公眾實(shí)現(xiàn)的模擬將會(huì)盡可能多的涵蓋 8 個(gè)參量的可能情形，從而填補(bǔ)關(guān)于此類碰撞所產(chǎn)生引力波的知識(shí)空白。目前的黑洞模擬數(shù)據(jù)量對(duì)于所有可能的情形來說實(shí)在太小了?！?/p>

“這項(xiàng)工作將是科學(xué)界的強(qiáng)大助力，將會(huì)提供大量自洽雙黑洞碰撞引力波的理論預(yù)測(cè)。值得一提的是，這些預(yù)測(cè)均基于愛因斯坦引理論、廣義相對(duì)論的正確性，所以驗(yàn)證它們將會(huì)給這些復(fù)雜而又美麗的理論帶來新的見解?？赡苣銜?huì)覺得這些理論離我們很遙遠(yuǎn)，但其實(shí)他們就在我們的身邊。比如如果沒有愛因斯坦相對(duì)論的影響，我們的 GPS 系統(tǒng)將會(huì)每天偏離一公里?！?/p>

Etienne 和他的團(tuán)隊(duì)正在建立一個(gè)網(wǎng)站以供大家下載軟件。這個(gè)軟件與此前的“搜尋地外文明計(jì)劃”（SETI@Home ）一樣，將基于伯克利開放式網(wǎng)絡(luò)計(jì)算平臺(tái) BOINC，可以利用全球成千上萬臺(tái)個(gè)人電腦來進(jìn)行計(jì)算。

與此同時(shí)，他們也創(chuàng)建了一個(gè)可供公眾們了解這個(gè)項(xiàng)目的網(wǎng)站：https://math.wvu.edu/~zetienne/SENR/。