Автоматический поиск метрик для межзвездных перелетов
Никита Широков, при поддержке Гильдии «Рубежи науки», запускает проект по автоматическому поиску новых метрик пространства-времени, которые потенциально могут быть применимы к задачам межзвездных перелетов. Речь идет не о повторении уже известных идей вроде варп-пузыря Алькубьерре или кротовых нор Эллиса-Бронникова, а о поиске принципиально новых геометрий, которые человек мог бы никогда не вывести вручную.
В общей теории относительности метрика описывает форму пространства и времени: как измеряются расстояния, как течет время и как искривление пространства связано с материей. Если подобрать особую конфигурацию метрики, теоретически могут возникать структуры, сокращающие путь между удаленными областями или создающие эффект сверхсветового перемещения. Однако известные решения сталкиваются с двумя ключевыми проблемами: требуют экзотической материи с отрицательной энергией и, как правило, оказываются динамически нестабильными.
Цель проекта — построить автоматизированный конвейер, который будет искать такие конфигурации не вручную, а с помощью вычислительного агента. Агент предлагает кандидатов на новую геометрию пространства-времени, после чего они проверяются на соответствие уравнениям Эйнштейна и моделируются во времени. Если конфигурация быстро разрушается, приводит к образованию черной дыры или требует слишком много экзотической материи, она отбраковывается. Если она остается устойчивой и показывает полезные свойства, алгоритм использует этот результат для следующего поколения поиска.
Технологическая основа проекта — численный движок GRTeclyn и GPU-кластер на базе NVIDIA H100. GRTeclyn решает уравнения Эйнштейна в полном трехмерном виде и поддерживает моделирование взаимодействия геометрии и материи. GPU-кластер позволяет выполнять такие расчеты достаточно быстро, чтобы перейти от единичных экспериментов к массовому поиску тысяч кандидатов.
Ключевая особенность подхода — замкнутый цикл численной относительности. Поисковый алгоритм генерирует параметры геометрии, GRTeclyn проводит 3D-симуляцию, диагностические скрипты оценивают результат, а затем оценка возвращается агенту. Так система постепенно смещает поиск в сторону более устойчивых и физически допустимых решений.
Кандидаты оцениваются по нескольким критериям: выживаемость расчёта, выполнение уравнений Эйнштейна, динамическая стабильность, отсутствие горизонта черной дыры, минимальная потребность в экзотической материи и отличие от обычного плоского пространства. Отдельно проверяются параметры, напрямую связанные с межзвездным перелетам: наличие реального FTL-эффекта и безопасность центральной области для условного корабля и экипажа.
Первые GPU-запуски уже подтвердили работоспособность конвейера. Система генерирует кандидатов, передаёт их в C++/GPU-расчет, моделирует эволюцию и возвращает оценку без ручного вмешательства. Были успешно рассчитаны как сферические, так и несферические конфигурации, включая дипольные и квадрупольные деформации. При этом первые результаты также показали главный вызов следующего этапа: некоторые кандидаты формально проходят короткий расчет, но затем начинают медленно коллапсировать. Поэтому особый акцент в дальнейшем поиске будет сделан на долговременной стабильности.
В ближайшие месяцы проект сосредоточится на увеличении времени симуляций, уточнении критериев устойчивости, расширении проверки энергетических условий и масштабном поиске несферических геометрий. Для лучших кандидатов планируется попытка извлечь аналитические формулы, чтобы получить не просто численный результат, а новую точную метрику, найденную машинным поиском и подтвержденную повторным моделированием.
Главный ожидаемый результат — каталог новых геометрий пространства-времени, прошедших динамическую проверку, а в идеальном случае — обнаружение стабильной конфигурации с признаками сверхсветового эффекта и минимальной потребностью в экзотической материи. Если такие решения существуют в рамках общей теории относительности, этот проект создает один из самых прямых способов их найти.
По сути, это аналог AlphaFold для физики пространства-времени. AlphaFold изменил подход к предсказанию структуры белков: вместо ручного перебора и долгого экспериментального подбора он использует вычислительные методы, чтобы находить наиболее вероятные пространственные конфигурации белковых молекул. В этом случае логика похожая, но объект поиска другой: вместо перебора структур белка перебирается структура пространства-времени — возможные метрики и геометрии Вселенной. А роль экспериментальной проверки выполняет не лабораторный анализ, а GPU-симуляция уравнений Эйнштейна, которая показывает, может ли найденная конфигурация существовать во времени, не разрушаясь и не превращаясь в черную дыру.