根据多项最新研究，银河系中心超大质量黑洞人马座A*（Sgr A*）的自旋参数接近理论极限。通过事件视界望远镜（EHT）等观测手段，结合轨道动力学分析和黑洞阴影测量，科学家得出以下结论：1. **自旋参

这些大规模模拟集群由莫格里奇研究所与威斯康星大学麦迪逊分校联合成立的高通量计算中心(CHTC)提供的计算能力支持。天文学家今日在《天文学与天体物理学》期刊发表的三篇论文中公布了研究成果与方法论。

今年正值高通量计算诞生40^周年，该技术由威斯康星计算机科学家米隆·利夫尼开创。这种创新的分布式计算形式能自动化调度数千台计算机的计算任务，实质上将单个巨型计算挑战转化为超级加速的并行小型计算集群。该计算革新正在推动全球数百个科学项目的大数据发现，包括宇宙中微子、亚原子粒子和引力波探测，以及抗生素耐药性研究。

2019年，事件视界望远镜(EHT)合作组织发布了首张位于M87星系中心的超大质量黑洞图像。2022年，他们又呈现了银河系中心人马座A*黑洞的影像。然而，图像背后的数据仍蕴含大量难以破解的信息。国际研究团队训练神经网络对数据进行最大化信息提取。

从少量到百万量级

EHT合作组先前研究仅使用少量合成数据文件。在美国国家科学基金会(NSF)支持下，作为"推进高通量计算合作计划"(PATh)的重要组成部分，麦迪逊CHTC使天文学家能将数百万此类数据文件输入贝叶斯神经网络——这种网络可量化不确定性参数。该技术显著提升了EHT观测数据与理论模型的比对精度。

通过神经网络分析，研究者推测银河系中心黑洞正以接近极限速度旋转，其自转轴指向地球。此外，黑洞附近的辐射主要源于吸积盘中超高温电子活动，而非传统理论中的喷流机制。吸积盘内磁场行为也显示出与常规理论模型的显著差异。

"挑战主流理论当然令人振奋，"荷兰拉德堡德大学首席研究员迈克尔·詹森表示，"但我更视人工智能与机器学习方法为第一步转型。下一步我们将优化扩展相关模型与模拟系统。"

卓越的扩展能力

亚利桑那大学斯图尔德天文台副研究员、PATh长期合作者陈志权补充道："将模型训练所需的合成数据文件扩展到百万量级是项非凡成就，这需要可靠的工作流自动化技术，以及在存储资源与计算能力间实现高效的负载均衡。"

莫格里奇研究所研究员、PATh联合首席研究员安东尼·吉特教授指出："我们欣喜看到EHT利用高通量计算能力为科学研究注入AI动能。与其他学科领域类似，CHTC的运算效能帮助EHT团队构建起训练高效模型所需的AI就绪数据集，从而推动科学发现。"

NSF资助、PATh运营的开放科学资源池集合全美80余家机构的计算资源。过去三年间，该黑洞研究项目已完成超过1200万次计算任务。

"包含数百万次模拟的工作负载与我们历时四十年研发优化的高通量计算架构完美契合，"CHTC主任兼PATh首席研究员利夫尼表示，"我们乐于服务那些能挑战系统扩展极限的科研项目。"

相关科学论文

《事件视界望远镜深度学习推断I：校准改进与综合合成数据库》，作者：M.詹森等，发表于：《天文学与天体物理学》2025年6月6日

《事件视界望远镜深度学习推断II：贝叶斯神经网络Zingularity框架》，作者：M.詹森等，发表于：《天文学与天体物理学》2025年6月6日

《事件视界望远镜深度学习推断III：2017观测数据的Zingularity结果及未来阵列扩展预测》，作者：M.詹森等，发表于：《天文学与天体物理学》2025年6月6日