一支国际天文学家团队训练了一个神经网络，该神经网络使用数百万的合成模拟和人工智能（AI）来缓解有关黑洞的新颖宇宙之谜，揭示了位于银河系中间的黑洞几乎以最高速度旋转。 ？这些大型仿真是由美国高吞吐量计算中心（CHTC）（Mogridge Institute和Wisconsin-Madison的联合生物）提供的计算强度产生的。最近，天文学家发表了三篇关于“天文学和天体物理学”的论文，其中报道了他们的研究和方法结果。今年是威斯康星大学计算机科学家Miron Livny建议的高通量计算诞辰40周年。这是一种新形式的iShared计算，可以在数千台计算机网络上自动执行计算任务，该计算机基本上将单个大型计算任务转换为人y小任务。这种创新的计算是在全球项目中推动数据的主要发现，包括寻找中微子宇宙，亚原子颗粒和引力波，并揭示抗生素抗性。 2019年，Horizon Telescope（EHT）事件与M87 Expanse中间的超级质量黑洞的第一张图像合作。在2022年，EHT显示了银河系中间的射手座A*黑洞的图像。但是，这些图片背后的数据仍然包含许多难以破解信息。 EHT合作的过去研究仅使用Onesmall数量的实际合成数据文件。作为国家科学基金会（NSF）资助的“推进吞吐量计算（PATH）”合作伙伴关系的一部分，麦迪逊的CHTC，威斯康星大学麦迪逊分校允许天文学家在贝叶斯神经网络上养活数百万个数据文件，以发展不确定性。这使研究人员可以更好地比较数据和EHT模型之间的差异。多亏了神经网络，研究人员现在认为，银河系中间的黑洞几乎以最高速度旋转，轴心扭曲指向地面。此外，黑洞附近的辐射是它们周围积聚磁盘上超级热电子的主要原因，而不是被称为喷气机。此外，积聚磁盘中磁场的性能似乎与通常的Accretion磁盘理论不同。 “我们是主流的具有挑战性的理论，绝对是一个巨大的渴望，”荷兰尼杰梅根大学的研究员迈克尔·詹森（Michael Janssen）说。 “但是，我认为我们的AI和机器研究方法是第一步。接下来，改进和扩展相关模型和模拟。”亚利桑那大学斯图尔特天文台的天文学家Chi-Kwan Chan补充说：“测量数百万个合成数据的能力本身就是一个巨大的成功。它需要可靠的工作流和EF自动化在整个存储来源和处理能力中分配的友善任务分配。”“很高兴看到EHT使用我们的高吞吐量计算能力将AI应用于他们的科学。研究人员要收集数量和质量的数据，并使用它来训练有效的模型以促进科学发现。小编：一支国际天文学家团队使用数百万个合成模拟和人工智能（AI）培训了神经网络，以吐出有关黑洞的新鲜度
当前网址：https://www.h-f-a.com//a/keji/184.html
