人工智能揭示银河系黑洞自转速度接近极限速度

这些大规模模拟集合是通过由莫格里奇研究所和威斯康星大学麦迪逊分校联合实体——高吞吐计算中心（CHTC）提供的高吞吐计算能力生成的。天文学家今日在《天文学与天体物理学》（Astronomy & Astrophysics）期刊的三篇论文中发表了他们的成果与方法论。

今年迎来四十周年的高吞吐计算技术，由威斯康星计算机科学家米隆·利夫尼率先开创。这是一种新型分布式计算形式，能在由数千台计算机组成的网络中自动化执行计算任务，本质上将单个庞大的计算挑战转化为一支由更小任务组成的超强舰队。这项计算创新正助力全球数百个科学项目推动大数据发现，包括搜寻宇宙中微子、亚原子粒子和引力波，以及破解抗生素耐药性难题。

2019年，事件视界望远镜（EHT）合作组织发布了星系M87中心超大质量黑洞的首张图像。2022年，他们又呈现了我们银河系中心黑洞——人马座A*（Sagittarius A*）的图像。然而，图像背后的数据仍蕴含大量难以解读的信息。一个国际研究团队训练了一个神经网络，旨在从数据中提取尽可能多的信息。

从寥寥数个到数百万

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。在作为"推进吞吐计算合作计划"（PATh）项目一部分获得美国国家科学基金会（NSF）资助后，位于麦迪逊的CHTC使天文学家能够将数百万个此类数据文件输入到一个被称为贝叶斯神经网络的系统中——该系统可量化不确定性。这让研究人员能在EHT数据与模型之间进行更为精确的比较。

得益于神经网络，研究人员现在推测银河系中心的黑洞正以近乎极限速度旋转。其旋转轴指向地球。此外，黑洞附近的辐射主要源于周围吸积盘中极高温的电子，而非所谓的喷流。同时，吸积盘中的磁场行为似乎也与此类吸积盘的主流理论模型存在差异。

"我们挑战了主流理论，这当然令人兴奋，"荷兰奈梅亨拉德堡德大学的项目首席研究员迈克尔·詹森表示，"不过，我主要将我们的人工智能和机器学习方法视为第一步。接下来我们将改进并扩展相关模型和模拟。"

令人瞩目的扩展能力

"能够扩展到训练模型所需的数百万个合成数据文件，是一项令人瞩目的成就，"亚利桑那大学斯图尔德天文台副天文学家、长期参与PATh项目的陈志权补充道，"这需要可靠的工作流自动化能力，以及跨越存储资源和处理能力的有效工作量分配。"

"我们很高兴看到EHT利用我们的吞吐计算能力，将人工智能的力量引入他们的科学研究，"莫格里奇研究所研究员、PATh联合首席研究员安东尼·吉特教授表示，"与其他科学领域类似，CHTC的能力使EHT研究人员能够汇集训练有效模型所需的大量高质量AI就绪数据，从而推动科学发现。"

由PATh运营的NSF资助的开放科学资源池（Open Science Pool），汇集了全美80多所机构贡献的计算能力。事件视界黑洞项目在过去三年中执行了超过1200万次计算作业。

"由数百万次模拟构成的工作负载，与我们历经四十年开发和完善的面向吞吐量优化的能力完美契合，"CHTC主任、PATh首席研究员利夫尼指出，"我们乐于与那些工作负载能挑战我们服务可扩展性的研究人员合作。"

参考文献

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. Janssen 等。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。发表于：《天文学与天体物理学》（Astronomy & Astrophysics），2025年6月6日。

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