共计 1511 个字符，预计需要花费 4 分钟才能阅读完成。
一项发表在《天文学与天体物理学》上的研究揭示了一个令人震惊的发现：位于银河系中心的人马座 A 黑洞几乎以最高速度旋转。这一发现得益于一个国际天文学家团队通过训练包含数百万次合成模拟的人工智能（AI）神经网络。
威斯康星大学麦迪逊分校与 Morgridge 研究所合作的高通量计算中心（CHTC）提供了生成这些庞大模拟集合的计算资源。今年是高通量计算发明 40 周年，该技术由威斯康星计算机科学家 Miron Livny 发明。通过在数千台机器的网络中自动化计算，这种创新的分布式计算方式有效地将一个巨大的计算问题转化为一系列高效的小问题。
这一计算创新正在加速全球数百项科学计划中的大数据发现，包括寻找宇宙中微子、亚原子粒子和引力波，以及解析抗生素耐药性。
2019 年，事件视界望远镜（EHT）合作组织首次揭示了位于 M87 星系中心的超大质量黑洞的图像。2022 年，他们又揭示了位于银河系中心的人马座 A 黑洞的图像。然而，这些照片背后的数据仍包含大量难以理解的信息。一个跨国学术团队开发了一个神经网络，以尽可能多地从数据中提取信息。
此前，EHT 合作组织仅使用了几组现实的合成数据集。美国国家科学基金会（NSF）资助了位于麦迪逊的 CHTC，作为推进高通量计算合作计划（PATh）的一部分，使天文学家能够将数百万个此类数据文件输入到一个贝叶斯神经网络中，该网络可以量化不确定性。这使得研究人员能够对 EHT 数据和模型进行更精确的比较。
得益于神经网络，研究人员现在认为银河系中心的黑洞几乎以最高速度旋转。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的极热电子产生，而非所谓的喷流。此外，吸积盘中的磁场行为似乎与此前的理论不同。
我们正在挑战主流理论，这当然令人兴奋。然而，我们将 AI 和机器学习方法视为第一步。接下来，我们将改进和扩展相关的模型和模拟。
— Michael Janssen，研究首席研究员，奈梅亨拉德堡德大学
扩展到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。它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工作负载分配。
我们很高兴看到 EHT 利用我们的高通量计算能力，将 AI 的力量带入他们的科学研究。与其他科学领域一样，CHTC 的能力使 EHT 研究人员能够组装出训练有效模型所需的数量和质量的 AI 就绪数据，从而促进科学发现。
— Anthony Gitter，Morgridge 研究员，教授，PATh 联合首席研究员
由 PATh 管理的 NSF 资助的开放科学池，提供了来自美国 80 多所大学的计算能力。在过去三年中，事件视界黑洞项目已完成了近 1200 万次计算任务。
由数百万次模拟组成的工作负载与我们经过四十年开发和完善的高通量能力完美匹配。我们喜欢与那些工作负载挑战我们服务可扩展性的研究人员合作。
— Miron Livny，高通量计算中心主任，PATh 首席研究员，Morgridge 研究所
期刊参考文献：
- Janssen, M., 等. (2025) 事件视界望远镜的深度学习推理 I. 校准改进和综合数据库. 天文学与天体物理学. doi.org/10.1051/0004-6361/202553784
- Janssen, M., 等. (2025) 事件视界望远镜的深度学习推理 II. 贝叶斯人工神经网络的 Zingularity 框架. 天文学与天体物理学. doi.org/10.1051/0004-6361/202553785
- Janssen, M., 等. (2025) 事件视界望远镜的深度学习推理 III. 2017 年观测的 ZINGULARITY 结果及未来阵列扩展的预测. doi.org/10.1051/0004-6361/202553786
