AI揭示银河系黑洞转速接近极限

这些大规模模拟集成是由高吞吐量计算中心（CHTC）提供的通量计算能力生成的，该中心是莫格里奇研究所和威斯康星大学麦迪逊分校的联合实体。天文学家们今天在《天文学与天体物理学》期刊上发表了三篇论文，公布了他们的研究成果与方法论。

今年迎来40^周年的高通量计算由威斯康星计算机科学家米隆·利夫尼首创。这是一种新型分布式计算形式，可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由众多小型计算单元组成的超级动力舰队。这项计算创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的搜寻，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人马座A*黑洞的图像。然而，这些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，旨在从数据中提取尽可能多的信息。

从少量到百万量级

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。在由美国国家科学基金会（NSF）资助的通量计算推进合作计划（PATh）支持下，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一个所谓的贝叶斯神经网络（该网络可量化不确定性）。这使得研究人员能够更精准地将EHT数据与模型进行比对。

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接近极限速度自旋，其自转轴指向地球。此外，黑洞附近的辐射主要来源于周围吸积盘中极端高温的电子，而非所谓的喷流。同时，吸积盘中的磁场行为似乎与常规的吸积盘理论存在差异。

"我们正在挑战主流理论，这当然令人兴奋，"荷兰奈梅亨拉德堡德大学的首席研究员迈克尔·扬森表示。"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与模拟。"

卓越的扩展能力

"将合成数据文件规模扩展到训练模型所需的百万量级，这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、PATh长期合作者陈志权补充道。"这需要可靠的工作流自动化，以及跨存储资源和处理能力的有效负载分配。"

"我们很高兴看到EHT利用我们的通量计算能力，将人工智能的力量引入其科学研究，"莫格里奇研究所研究员、PATh联合首席研究员安东尼·吉特教授指出。"与其他科学领域类似，CHTC的能力使EHT研究人员能够整合出训练有效模型所需的数量与质量兼备的AI就绪数据，从而促进科学发现。"

由PATh运营、NSF资助的开放科学池，汇集了全美80多所机构贡献的计算资源。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。

"包含数百万次模拟的工作负载，与我们历经四十年开发和完善的面向通量的能力完美契合，"CHTC主任兼PATh首席研究员利夫尼表示。"我们乐于与那些工作负载对我们服务可扩展性构成挑战的研究人员合作。"

参考文献科学论文

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. Janssen等。刊于：《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的Zingularity框架。作者：M. Janssen等。刊于：《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：基于2017年观测的Zingularity结果及未来阵列扩展预测。作者：M. Janssen等。刊于：《天文学与天体物理学》，2025年6月6日。