一群国际天文学家通过数百万次模拟和人工智能（AI）打造了一个神经网络，用来探索黑洞的全新奥秘。他们的研究揭示，银河系中心的一颗黑洞可能正以接近极限的速度旋转。

这些庞大的模拟数据集是依托美国高吞吐计算中心（CHTC）的计算支持完成的。CHTC由莫格里奇研究所与威斯康星大学麦迪逊分校共同运营。最近，研究团队在《天文学与天体物理学》期刊上发表了三篇论文，详细介绍了他们的研究成果和方法。

2023年标志着高吞吐计算技术迎来40周年。这种分布式计算方式由威斯康星大学的计算机科学家Miron Livny发明，它将复杂的计算任务分解成无数小任务，分配到一个由数千台计算机组成的网络中自动完成。高吞吐计算如今已被广泛应用于多个科学领域，例如寻找中微子、亚原子粒子、引力波，以及研究抗生素耐药性等。

2019年，事件视界望远镜（EHT）项目首次公布了M87星系中心超大质量黑洞的照片。而在2022年，EHT又带来了银河系中心人马座A*黑洞的首张图像。然而，这些图像背后还隐藏着大量未知的复杂信息等待解析。

过去，EHT团队通常依赖少量真实和模拟数据进行分析。而作为美国国家科学基金会（NSF）支持的“推进吞吐量计算（PATh）”计划的一部分，CHTC帮助天文学家将数百万份文件输入贝叶斯神经网络中。通过这种方式，研究团队能够量化数据的不确定性，并更精确地将EHT数据与模型进行比对。

借助神经网络的强大功能，研究者们推测，银河系中心的黑洞可能以接近最大速度旋转，其旋转轴直接对准地球。同时，黑洞周围的辐射可能主要源自吸积盘中炽热的电子，而非以往认为的喷流。此外，吸积盘的磁场表现也与传统理论不符，为相关研究提出了新的挑战。

“挑战现存理论总是令人激动的。”研究团队成员、荷兰奈梅亨大学的Michael Janssen表示，“不过，我认为目前我们的AI和机器学习方法只是一个开端。接下来，我们将进一步改进模型与模拟。” 美国亚利桑那大学的天文学家Chi-kwan Chan补充道：“能够处理数以百万计的模拟数据文件是一个了不起的突破。这背后离不开工作流程的自动化，以及有效协调存储资源和计算任务的能力。” 

“很高兴看到EHT合作组织利用我们高吞吐计算能力，将AI应用于他们的科学中。”PATh项目联合负责人之一、莫格里奇研究所研究员Anthony Gitter表示。“就像在其他科学领域一样，CHTC的能力使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，从而促进科学发现。”