人工智能揭示银河系黑洞转速接近极限

这些大规模模拟集合是由高吞吐量计算中心（CHTC）提供的吞吐量计算能力生成的。该中心是摩根里奇研究所和威斯康星大学麦迪逊分校的共同实体。天文学家们今天在《天文学与天体物理学》（Astronomy & Astrophysics）期刊上发表了三篇论文，公布了他们的研究成果和方法论。

今年迎来其40^周年纪念的高吞吐量计算，由威斯康星州计算机科学家米隆·利夫尼（Miron Livny）首创。这是一种新颖的分布式计算形式，能在由数千台计算机组成的网络中自动执行计算任务，实质上将单个庞大的计算挑战转化为一支超强的小型计算舰队。这项计算创新正在助力全球数百个科学项目推动大数据发现，包括寻找宇宙中微子、亚原子粒子和引力波，以及破解抗生素耐药性。

2019年，事件视界望远镜（EHT）合作组织发布了位于M87星系中心超大质量黑洞的首张图像。2022年，他们展示了位于我们银河系中心的人马座A*（Sagittarius A*）黑洞的图像。然而，图像背后的数据仍包含大量难以破解的信息。一个国际研究团队训练了一个神经网络，以从数据中提取尽可能多的信息。

从少数到数百万

EHT合作组织先前的研究仅使用了少量真实的合成数据文件。总部位于麦迪逊的CHTC获得了美国国家科学基金会（NSF）的资助，作为推进吞吐量计算合作（PATh）项目的一部分，使天文学家能够将数百万个此类数据文件输入一个所谓的贝叶斯神经网络（Bayesian neural network），该网络可以量化不确定性。这使得研究人员能够在EHT数据与模型之间进行更精确的比较。

得益于神经网络，研究人员现在怀疑银河系中心的黑洞正以接近极限的速度旋转。其旋转轴指向地球。此外，黑洞附近的辐射主要由周围吸积盘中的超高温电子引起，而非所谓的喷流。此外，吸积盘中的磁场行为似乎与这类吸积盘的常规理论描述不同。

“我们正在挑战主流理论，这当然令人兴奋，”来自荷兰奈梅亨拉德堡德大学的项目首席研究员迈克尔·杨森（Michael Janssen）表示。“然而，我主要将我们的人工智能和机器学习方法视为第一步。接下来，我们将改进和扩展相关的模型与模拟。”

令人印象深刻的扩展能力

“将规模扩展到训练模型所需的数百万个合成数据文件是一项令人印象深刻的成就，”亚利桑那大学斯图尔德天文台副天文学家、长期PATh合作者陈志权（Chi-kwan Chan）补充道。“这需要可靠的工作流自动化，以及在存储资源和处理能力之间有效分配工作负载。”

“我们很高兴看到EHT利用我们的吞吐量计算能力，为其科学研究赋能人工智能的力量，”摩根里奇研究所研究员、PATh联合首席研究员安东尼·吉特（Anthony Gitter）教授表示。“如同其他科学领域一样，CHTC的能力使EHT研究人员能够汇集所需数量和质量、适用于人工智能的训练数据，从而训练出促进科学发现的有效模型。”

由PATh运营、NSF资助的开放科学资源池（Open Science Pool），其计算能力由美国80多所机构共同贡献。事件视界黑洞项目在过去三年中执行了超过1200万个计算任务。

“由数百万次模拟组成的工作负载，与我们四十年来开发和完善的、面向吞吐量的能力完美契合，”CHTC主任、PATh首席研究员利夫尼表示。“我们乐于与那些工作负载挑战我们服务可扩展性的研究人员合作。”

参考文献科学论文

事件视界望远镜的深度学习推断 I. 校准改进与综合合成数据库。作者：M. Janssen 等人。发表于：《天文学与天体物理学》（Astronomy & Astrophysics），2025年6月6日。

事件视界望远镜的深度学习推断 II. 贝叶斯人工神经网络的Zingularity框架。作者：M. Janssen 等人。发表于：《天文学与天体物理学》（Astronomy & Astrophysics），2025年6月6日。

事件视界望远镜的深度学习推断 III. 基于2017年观测的Zingularity结果及对未来阵列扩展的预测。作者：M. Janssen 等人。发表于：《天文学与天体物理学》（Astronomy & Astrophysics），2025年6月6日。