AI 显示银河系的黑洞以接近最高速度旋转
一个国际天文学家团队训练了一个包含数百万个合成模拟和人工智能 （AI） 的神经网络，以梳理出有关黑洞的新宇宙奇观，揭示了我们银河系中心的黑洞正在以近乎最高速度旋转。 这些大型模拟集合由高吞吐量计算中心 （CHTC） 提供的吞吐量计算功能生成，该中心是 Morgridge 研究所和威斯康星大学麦迪逊分校。 天文学家们今天在《天文学与天体物理学》杂志上发表了他们的结果和方法。 高吞吐量计算今年庆祝成立 40 周年，由威斯康星州计算机科学家 Miron Livny 开创。 这是一种新型的分布式计算形式，可在由数千台计算机组成的网络中自动执行计算任务，实质上将单个大型计算挑战转变为小型队列的增压队列的。 这项计算创新正在帮助推动全球数百个科学项目中的大数据发现，包括寻找宇宙中微子、亚原子粒子和引力波，以及揭示抗生素耐药性。 2019 年，事件视界望远镜 （EHT） 合作发布了星系 M87 中心超大质量黑洞的第一张图像。 2022 年，他们展示了我们银河系中心黑洞人马座 A* 的图像。然而，图像背后的数据仍然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 Collaboration 之前的研究只使用了少数真实的合成数据文件。 作为推进吞吐量计算伙伴关系 （PATh） 项目的一部分，由美国国家科学基金会 （NSF） 资助，总部位于麦迪逊的 CHTC 使天文学家将数百万个这样的数据文件输入到所谓的贝叶斯神经网络中，该网络可以量化不确定性。 这使研究人员能够在 EHT 数据和模型之间进行更好的比较。 多亏了神经网络，研究人员现在怀疑银河系中心的黑洞几乎以最高速度旋转。 它的旋转轴指向地球。 此外，黑洞附近的发射主要是由极热引起的电子在周围的吸积盘中，而不是通过所谓的射流。 此外，吸积盘中的磁场似乎与这种盘的通常理论不同。 “我们无视流行的理论当然令人兴奋，”荷兰奈梅亨拉德堡德大学的首席研究员 Michael Janssen 说。 “然而，我认为我们的 AI 和机器学习方法主要是第一步。 接下来，我们将改进和扩展相关的模型和仿真。 令人印象深刻的扩展 “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印象深刻的成就，”亚利桑那大学 Steward 天文台的副天文学家、PATh 的长期合作者 Chi-kwan Chan 补充道。 “它需要可靠的工作流程自动化，以及跨存储资源和处理能力的有效工作负载分配。” “我们很高兴看到 EHT 利用我们的吞吐量计算能力将 AI 的力量引入他们的科学，“Morgridge 研究员兼 PATh 联合 PI Anthony Gitter 教授说。 “与其他科学领域一样，CHTC 的功能使 EHT 研究人员能够收集所需的 AI 就绪数据的数量和质量，以训练促进科学发现的有效模型。” 由 NSF 资助的开放科学池由 PATh 运营，提供由美国 80 多个机构提供的计算能力。 事件视界Black Hole Project 在过去三年中执行了超过 1200 万个计算作业。 ：“由数百万个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功能完美匹配，”CHTC 主任兼 PATh 首席研究员 Livny 说。 “我们喜欢与那些工作负载对我们服务的可扩展性构成挑战的研究人员合作。” Scientific 论文引用了 深度学习推理与事件视界望远镜 I 一起。 校准改进和全面的合成数据库。 作者： M. Janssen 等人。 在：天文学与天体物理学，2025 年 6 月 6 日。 使用事件视界望远镜 II 进行深度学习推理。 贝叶斯人工神经网络的 Zingularity 框架。 作者： M. Janssen 等人。 在：天文学与天体物理学，2025 年 6 月 6 日。 使用事件视界望远镜 III 进行 深度学习推理。 Zingularity 来自 2017 年的观察和预测结果用于将来的数组扩展。 作者： M. Janssen 等人。 在：天文学与天体物理学，2025 年 6 月 6 日。