BlackHoles@Home

Translations

中文 Courtesy Yutong Wang and Zhoujian Cao
Español Courtesy Bertha Cuadros-Melgar
Ελληνικά Courtesy Bertha Cuadros-Melgar
Italiano Courtesy Antonio Pasqua
日本語 Courtesy Yuri Ozaki
Português Courtesy Leonardo Werneck

2022年四月更新

在过去一年的时间里，经过对BlackHoles@Home后台软件的重写后，我们可以得到些很漂亮的结果。简而言之即软件已经可以完成相应的需求，与此同时我们依然在对其进行测试和调试。请继续关注该页面的信息更新，对于更多的模拟结果，我将会实时在Twitter上进行更新： Tweets by BHsAtHome

2021年十月更新

BlackHoles@Home现正在招聘! 现有一名博士后研究职位虚位以待。请点击这里了解详情, 点击这里进入申请!

过去的几个月内进展顺利，我们正在对一个全新且更加灵活的BlackHoles@Home基础结构进行测试。这个基础结构不仅让(复杂)网格结构在长旋进阶段拥有相当好的效果，同时(简单)网格结构也能应用在黑洞并合阶段(当两个黑洞合并为一个黑洞时)。对于母程序NRPy+(GitHub)的很多改进也都已经同步进了BlackHoles@Home，反之亦然。

2021年7月更新

    BlackHoles@Home 已经转移到了[爱达荷大学](https://www.uidaho.edu/sci/physics/)。2021年秋季的相关发布也敬请期待！

2021年4月更新

TL;DR: 已经取得了重大进展！

相关技术升级后我们来展示一些最新结果，下面我们将对此进行具体的介绍。

BlackHoles@Home是基于BOINC开发的旨在利用消费级台式电脑进行双黑洞模拟的项目。利用它我们可以号召公众一起充实扩展引力波波形库并以此作为引力波科学研究的基础。以往这些双黑洞并合模拟都需要在超级计算机上进行。而BlackHoles@Home使用新方法，在高效坐标系内完成对于广义相对论爱因斯坦方程的鲁棒性求解，从而使得这些模拟可以在个人消费级的台式计算机上运行但其对内存的消耗却仅有几个G。特别的BlackHoles@Home将利用如下的数值网格结构：

相较于当下最流行的求解爱因斯坦方程的方法(不考虑近对称情况)，我们选择具有相同鲁棒性的可调分辨率嵌套笛卡尔网格(自适应网格细化):

我们对引力波探测器首次探测到的双黑洞并合事例(曾获2017年诺贝尔物理学奖)分别使用主流的代码(例如使用自适应网格细化方法的Einstein Toolkit)和BlackHole@Home进行模拟。这个模拟可以说是展示Einstein Toolkit能力的典型实例。ET相关的模拟结果“公开在Zenodo上”。

以下是这个双黑洞系统的初始条件: * 初始距离为10M * 质量比q=36/29=1.24 * 大质量黑洞自旋为0.31(平行于轨道角动量方向) * 小质量黑洞自旋为-0.46(平行于轨道角动量方向)

数值细节：

用于求解爱因斯坦方程的两套代码均采用 BSSN 形式
两套代码都利用八阶有限差分计算偏导
ET模拟支持耗散强度系数为0.1的九阶Kreiss-Oliger耗散
BlackHoles@Home 支持耗散强度变化的九阶Kreiss-Oliger算法，使得黑洞内部的有效耗散为零而在弱场区域达到最大
ET的数值网格设置如下:
- 强场区域: 笛卡尔AMR网格，详见 Carpet code
- 弱场区域: 立方球体网格，详见 Llama code
- 笛卡尔网格(黑洞附近)的最高分辨率约为M/52
- ET计算区域的外边界为2200M
BlackHoles@Home网格设置如下:
- 强场区域: 每个黑洞都位于一个小的SinhCartesian AMR网格加一层SinhSpherical细化网格的包围之中，SinhSpherical网格嵌套在SinhCartesian AMR网格之上
- 引力波区域采用单独的SinhSpherical网格
- SinhCartesian网格最高分辨率约为M/80
- BlackHoles@Home计算区域外边界为768M

在接下来图片对应的模拟中，BlackHoles@Home只消耗了1.78G内存，而Einstein Toolkit则消耗98G内存。

模拟的主要任务主要是对引力波预测。按照通常做法，为了效率我们分解引力波并只取自旋权重球谐函数s=2的部分。主导模式(l=m=2)的引力波(psi_4实部，引力波振幅随时间的二阶导数，ET下取自r=100M, BlackHoles@Home取自r=108M)与当前主流代码给出的引力波符合的非常好。

令人兴奋的是l=m=4的高阶主导模式引力波在BlackHoles@Home中也可以跟噪声区别开来，并且和ET的效果相当!

源自数值误差的噪声流实际上是由高频引力波在空间和时间的AMR边界反射产生的 (参见arXiv:1208.5494, 以及 arXiv:1404.6523). 而在BlakcHoles@Home的网格中网格边界数量已最小化，结果便是数值噪声也大幅减少。

下面我们给出了在1.5个轨道绕行后轨道平面上对数数值误差的测量情况(对哈密顿约束违反的绝对值取log10对数)。最大的误差存在于黑洞内部，因此图中的黑洞显示为两个黄点。

第一幅结果来自于Einstein Toolkit，使用了98G的内存：

接下来的结果来自于BlackHoles@Home，使用了1.78G内存：

相比于EinsteinToolkit，BlackHoles@Home的数值误差在几乎全域内都非常小!

基于上述分析我们发现数值误差主要是因为在黑洞附近小球面网格内对极角进行采样的格点数量较少导致的。我们将数目从48增大至56之后，误差有明显下降，而内存消耗量也只增加1.83G。

增加至64后误差大幅下降（内存消耗增至1.89G）：

通讯

想要知道最新动态么?请注册BlackHoles@Home通讯

基本介绍

APS2019会议上BlackHoles@Home相关资料

技术介绍

当引力波被观测到之后，最为关键的是回”引力波究竟是如何形成的”，同时这也有助于引力波天文学的进一步发展。即便是研究最简单的引力波源，例如双黑洞并合的物理性质，我们都需要含有七维内禀参数空间(质量比，外加每个黑洞的三个自旋分量)的数值相对论引力波波形库。由于实际情况的要求即迄今为止所有双黑洞并合的数值相对论模拟都需要在超算上运行，因此在所有诸如此类的目录里，在其参数空间中的每个维度上都只采样3个点。

在当下这些小目录的数据足以对”嘈杂”引力波进行估测，因为噪声掩盖了相对较小的自旋错位效应，但长远来看这些小目录还远不够好。