ИИ раскрыл новые детали о сверхмассивных черных дырах Стрелец A* и M87*

Нейронная сеть, обученная на миллионах симуляций, позволила международной команде астрономов более точно оценить физические свойства двух сверхмассивных черных дыр: Стрельца А* в центре Млечного Пути и M87* в центре эллиптической галактики Messier 87. Анализируемые данные получены из наблюдений телескопа Event Horizon Telescope (EHT) в 2017 году — тех самых, которые дали первые изображения тени сверхмассивной черной дыры.

Нейросеть была разработана для выявления взаимосвязи между видимым видом черных дыр и фундаментальными физическими параметрами, такими как вращение и наклон. Это стало возможным благодаря обучению на более чем трех миллионах синтезированных изображений, созданных на основе релятивистских магнито-гидродинамических моделей. Разработанная модель способна предоставлять вероятностные оценки, учитывая неопределенность в данных и изменчивость наблюдаемого явления.

Результаты указывают, что обе черные дыры вращаются с чрезвычайно высокой скоростью, близкой к максимально допустимой в общей теории относительности. Для M87* направление вращения совпадает с наблюдаемым релятивистским джетом, а для Стрельца А* наклон согласуется с ранее предложенными моделями окружающего его газа. Эти новые оценки значительно улучшают понимание динамических процессов во внутренних областях аккреционных дисков и джетов.

Исследование, проведенное под руководством Майкла Янссена (Радбудский университет) в сотрудничестве с Институтом радиоастрономии Макса Планка и другими учреждениями, знаменует методологический прорыв в анализе данных EHT. Использование нейронных сетей позволяет преодолеть ограничения традиционных итеративных методов моделирования, делая анализ более быстрым и надежным.

ИИ преодолевает ограничения прямого моделирования

Традиционный подход к оценке физических параметров черных дыр, наблюдаемых EHT, основан на итеративном сравнении реальных данных с обширным набором симуляций. Хотя этот метод эффективен, он требует огромных вычислительных ресурсов и может оказаться неэффективным при обработке сложной и изменчивой структуры аккрецирующего вещества вокруг черных дыр.

Новый метод, разработанный исследователями, использует искусственный интеллект — в частности, байесовскую нейронную сеть, обученную распознавать повторяющиеся паттерны между синтетическими изображениями и соответствующими физическими параметрами. После завершения обучения модель может напрямую анализировать реальные наблюдения, предоставляя оценки с вероятностными распределениями, которые отражают как неопределенность в данных, так и внутреннюю изменчивость физического явления.

Этот подход особенно полезен для Стрельца А, чья динамическая среда затрудняет построение стабильных моделей. Нейронная сеть позволяет обойти проблему быстрой изменчивости, напрямую интегрируя статистическое распределение наблюдаемых изображений. В случае M87 более стабильная среда и четко выраженный джет позволяют независимо проверить полученные оценки.
К следующему поколению наблюдений EHT

Эта работа также демонстрирует потенциал будущих наблюдений EHT. В ближайшие годы добавление новых телескопов, таких как Africa Millimetre Telescope (AMT), расширит зону покрытия и улучшит угловое разрешение. В то же время применение методов искусственного интеллекта, подобных описанному в этом исследовании, повысит возможности интерпретации собранных данных.

В частности, ожидается, что эти методы позволят анализировать более сложные физические сценарии, такие как:

• изменение магнитных полей,
• прецессия вращения,
• турбулентность в аккреционном газе.

Нейронные сети можно будет адаптировать для работы с мультимодальными данными, объединяя радио-, оптические и рентгеновские наблюдения, что позволит более полно реконструировать среду вблизи горизонта событий.

Команда планирует применить этот подход к другим наблюдаемым объектам и новым кампаниям EHT.