人工智能揭示银河系黑洞自转速度接近极限值

这些大型模拟数据集由高吞吐计算中心（CHTC）提供的吞吐计算能力生成，该中心是莫格里奇研究所与威斯康星大学麦迪逊分校共同组建的联合机构。天文学家今日在《天文学与天体物理学》期刊上发表了三篇论文，详细阐述了其研究成果与方法论。

今年迎来40^周年的高吞吐计算技术由威斯康星计算机科学家米隆·利夫尼首创。这种创新分布式计算形式通过自动化处理数千台计算机组成的网络任务，将单一巨型计算挑战转化为超高效的小型计算集群。该计算创新正推动全球数百个科学项目的大数据发现，涵盖宇宙中微子探索、亚原子粒子研究、引力波探测以及抗生素耐药性解析等领域。

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待解信息。国际研究团队训练神经网络从数据中提取了最大化信息。

从零星到百万量级

EHT合作组织先前研究仅使用少量真实合成数据文件。在由国家科学基金会（NSF）资助的"推进吞吐计算合作计划"（PATh）支持下，位于麦迪逊的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——该网络具备不确定性量化能力。此举大幅提升了EHT数据与模型间的比对精度。

借助神经网络，研究人员推测银河系中心黑洞正以近极限速度旋转，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，而非所谓喷流。同时，吸积盘内磁场行为模式与传统理论存在显著差异。

"挑战主流理论当然令人兴奋，"荷兰拉德堡德大学首席研究员迈克尔·詹森表示，"但我认为AI与机器学习方法仅是第一步。下一步我们将完善并扩展相关模型与模拟。"

卓越的扩展能力

"实现训练模型所需的百万级合成数据文件扩展能力堪称壮举，"亚利桑那大学斯图尔德天文台副天文学家、PATh长期合作者陈志权补充道，"这需要可靠的工作流自动化技术，以及跨存储资源与计算能力的负载高效分配。"

"我们欣慰看到EHT运用吞吐计算能力为科研注入AI动能，"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，"与其他科学领域相似，CHTC的能力使EHT研究者能汇聚高质量AI训练数据，构建有效模型以推动科学发现。"

由PATh运营的NSF资助"开放科学计算池"，整合了全美80余所机构贡献的计算资源。过去三年间，事件视界黑洞项目执行了超过1200万项计算任务。

"百万量级模拟任务与我们四十年来持续优化的吞吐计算能力完美契合，"CHTC主任兼PATh首席研究员利夫尼强调，"我们期待与那些能挑战服务扩展极限的研究者开展合作。"

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。刊载于：《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：贝叶斯人工神经网络Zingularity框架》。作者：M. Janssen 等。刊载于：《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年观测的Zingularity结果及未来阵列扩展预测》。作者：M. Janssen 等。刊载于：《天文学与天体物理学》，2025年6月6日。