AI揭示银河系黑洞自转接近极限速度

这些大规模模拟数据集由威斯康星大学麦迪逊分校与莫格里奇研究所联合成立的高通量计算中心（CHTC）提供算力支持完成。天文学家团队今日将研究成果与方法论发表在《天文学与天体物理学》期刊的三篇论文中。

今年迎来四十周年纪念的高通量计算技术由威斯康星计算机科学家Miron Livny首创。这种创新的分布式计算形式能自动化调度数千台计算机协同工作，将庞大计算任务分解为高效并行的子任务集群。该技术已推动全球数百个科学项目的大数据发现，包括宇宙中微子探测、亚原子粒子研究、引力波观测以及抗生素耐药性破解等领域。

2019年，事件视界望远镜（EHT）合作组织首次发布了M87星系中心超大质量黑洞图像。2022年，他们又公布了银河系中心人马座A*黑洞影像。但图像背后的数据仍蕴含大量待解信息。国际研究团队通过训练神经网络，最大限度地从这些数据中提取信息。

从零星样本到百万量级

EHT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）"推进高通量计算合作计划"（PATh）资助下，位于麦迪逊的CHTC使天文学家能够向贝叶斯神经网络输入数百万份数据文件，这种网络可量化不确定性。这使得研究人员能更精准地比对EHT数据与理论模型。

神经网络分析显示，银河系中心黑洞可能正以接近极限速度自转，其旋转轴指向地球。此外，黑洞附近的辐射主要来自吸积盘中超高温电子，而非所谓喷流。吸积盘中的磁场行为也表现出与传统理论预测的差异。

"挑战主流理论当然令人振奋，"荷兰奈梅亨拉德堡德大学首席研究员Michael Janssen表示，"但我们更将AI和机器学习视为第一步。接下来将完善相关模型与模拟。"

卓越的扩展能力

"实现模型训练所需的百万级合成数据规模堪称壮举，"亚利桑那大学斯图尔德天文台副研究员、PATh长期合作者Chi-kwan Chan补充道，"这需要可靠的工作流自动化系统，以及跨存储资源与计算能力的精准任务分配。"

莫格里奇研究所研究员、PATh联合首席研究员Anthony Gitter教授指出："很高兴看到EHT运用我们的高通量计算能力赋能科学研究。与其他学科一样，CHTC使研究者能构建足够规模的高质量AI训练数据集，从而催生促进科学发现的有效模型。"

PATh运营的NSF资助"开放科学计算池"，汇聚全美80余家机构的计算资源。过去三年间，事件视界黑洞项目已执行超1200万项计算任务。

"数百万次模拟的工作负载完美契合我们四十年来打磨的高通量计算能力，"CHTC主任、PATh首席研究员Livny表示，"我们欢迎研究者用具有规模挑战性的任务来检验服务能力。"

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》，M. Janssen等，《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》，M. Janssen等，《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》，M. Janssen等，《天文学与天体物理学》，2025年6月6日