AI揭示了银河系的黑洞旋转近速度

这些大型仿真是通过高吞吐量计算中心（CHTC）提供的吞吐量计算能力（CHTC），这是摩尔格里奇研究所和威斯康星大学麦迪逊分校的联合实体。天文学家今天在杂志的三篇论文中发表了他们的结果和方法论天文学和天体物理学。

高通量计算，庆祝其40Th^{今年的周年纪念日是威斯康星州计算机科学家Miron Livny开创的。}这是一种新型的分布式计算形式，可以自动化数千台计算机网络的计算任务，从而将单个巨大的计算挑战转变为一个较小挑战的较小机队。这项计算创新正在帮助全世界数百个科学项目中的大数据发现，包括寻找宇宙中微子，亚原子颗粒和引力波，以及揭示抗生素耐药性。

2019年，活动Horizo​​n Telescope（EHT）合作发布了Galaxy M87中心的超大质量黑洞的第一张图像。在2022年，他们在我们银河系中心射手座A*的中心介绍了黑洞的形象。但是，图像背后的数据仍然包含大量难以裂纹的信息。一个国际研究人员团队培训了一个神经网络，从数据中提取了尽可能多的信息。

从少数到数百万

EHT协作的先前研究仅使用了少数现实的合成数据文件。由国家科学基金会（NSF）资助，作为促进吞吐量计算（PATH）项目的合作伙伴关系的一部分，总部位于麦迪逊的CHTC使天文学家能够将数百万此类此类数据文件送入所谓的贝叶斯神经网络，这可以量化不确定性。这使研究人员可以在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周围积聚磁盘中极热的电子引起的，而不是由所谓的射流引起的。同样，积聚磁盘中的磁场似乎与此类磁盘的通常理论不同。

荷兰Radboud大学Nijmegen的首席研究员Michael Janssen说：“当然，我们正在反抗现行理论。”“但是，我将我们的AI和机器学习方法主要是第一步。接下来，我们将改进并扩展相关的模型和模拟。”

令人印象深刻的缩放

“训练模型所需的数百万个合成数据文件的能力是一项令人印象深刻的成就，”亚利桑那大学和阿里桑那大学的管家天文台的副天文学家Chi-Kwan Chan补充说。“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量分配。”

“我们很高兴看到EHT利用我们的吞吐量计算能力将AI的力量带入他们的科学。”“与其他科学领域一样，CHTC的功能使EHT研究人员能够组装培训有效模型的AI-Ready数据的数量和质量，以促进科学发现。”

由PATH运营的NSF资助的开放科学池提供了由美国80多家机构贡献的计算能力。在过去的三年中，活动Horizo​​n Black Hole项目执行了超过1200万个计算工作。

CHTC兼PATH的首席研究员Livny说：“由数百万个模拟组成的工作量对于我们以吞吐量为导向的功能来说是一个完美的匹配，这些功能是在四十年中开发和完善的。”“我们喜欢与具有挑战我们服务可扩展性的工作负载的研究人员合作。”

引用了科学论文

对事件的深度学习推断I.校准改进和全面的合成数据库。作者：M。Janssen等。在：天文学和天体物理学，2025年6月6日。

对事件的深度学习推论II。贝叶斯人工神经网络的Zingularity框架。作者：M。Janssen等。在：天文学和天体物理学，2025年6月6日。

对事件的深度学习推论Horizo​​n Telescope III。Zingularity是2017年的观察结果和对未来阵列扩展的预测。作者：M。Janssen等。在：天文学和天体物理学，2025年6月6日。