贝叶斯神经网络艺术图。图片来源：EHT Collaboration

本报讯 一个国际天文学家团队利用数百万次合成模拟和人工智能（AI）训练的一个神经网络，梳理出关于黑洞的新的宇宙奥秘，并发现银河系中心的黑洞正以近乎最高的速度旋转。

这些大规模的模拟是由美国高吞吐量计算中心（CHTC）提供的算力生成的。6月15日，天文学家在《天文学与天体物理学》上发表了3篇论文，报道了他们的研究成果和方法。

今年是高吞吐量计算诞生40周年，它是由美国威斯康星大学计算机科学家Miron Livny开创的。这是一种新型的分布式计算形式，能在由数千台计算机组成的网络中自动执行计算任务，本质上是将一个大规模计算任务转化为多个小型任务。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）合作组织发布了M87星系中心超大质量黑洞的第一张图像。2022年，EHT展示了银河系中心人马座A*的黑洞图像。然而，这些图像背后的数据仍包含了大量难以破解的信息。

EHT合作组织此前的研究只使用了少量真实的合成数据文件。作为美国国家科学基金会资助的“推进吞吐量计算合作（PATh）”项目的一部分，CHTC使天文学家能够将数百万份这样的数据文件输入一个所谓贝叶斯神经网络，后者可以量化不确定性。这使得研究人员能够更好地比较EHT数据和模型的差异。

得益于神经网络，研究人员推测，银河系中心的黑洞正以近乎最高的速度旋转，其旋转轴指向地球。此外，黑洞附近的辐射主要由周围吸积盘中极热的电子，而非所谓喷流引起。同时，吸积盘中的磁场活动似乎与传统的吸积盘理论不同。

“我们正在挑战主流理论，这当然令人兴奋。”论文作者之一、荷兰奈梅亨大学的研究员Michael Janssen说，“然而，我认为我们的AI和机器学习方法只是一个开始。接下来，我们将改进和扩展相关的模型与模拟。”

美国亚利桑那大学斯图尔德天文台的天文学家Chi-kwan Chan补充说：“能够扩展至运算数百万份数据文件，这本身就是一项了不起的成就。它需要可靠的工作流程自动化，以及在存储资源和处理能力之间进行有效的任务分配。”

“很高兴看到EHT合作组织利用我们的高吞吐量计算能力，将AI应用于他们的科学研究中。”PATh项目联合负责人之一、美国莫格里奇研究所的研究员Anthony Gitter表示，“就像在其他科学领域一样，CHTC的算力使EHT合作组织的研究人员能够收集数量和质量兼备的数据，并用于训练有效的模型，促进科学发现。”（文乐乐）

相关论文信息：

https://doi.org/10.1051/0004-6361/20553784