Международная группа астрономов совершила прорыв в изучении космоса, применив нейронную сеть для анализа данных о двух самых известных сверхмассивных черных дырах. Обученная на огромном массиве из более чем 3 миллионов симуляций, искусственная нейросеть позволила с беспрецедентной точностью определить ключевые физические параметры Стрельца А* в сердце нашей галактики и M87* в галактике Мессье 87. Основой для этого исследования послужили наблюдения, проведенные в 2017 году глобальной сетью радиотелескопов Event Horizon Telescope (EHT), которая впервые в истории запечатлела тень черной дыры.
Разработанная модель искусственного интеллекта специально создана для установления взаимосвязи между наблюдаемой формой черной дыры и её фундаментальными характеристиками, такими как скорость вращения и угол наклона оси. Для обучения системы использовались синтетические изображения, сгенерированные с помощью сложных релятивистских магнитогидродинамических моделей. Важным преимуществом этого подхода является способность нейронной сети предоставлять не просто точные значения, а вероятностные оценки, которые учитывают как неопределенность в исходных данных, так и естественную изменчивость астрофизических процессов.
Полученные результаты оказались впечатляющими: анализ показал, что обе черные дыры вращаются с колоссальной скоростью, приближающейся к теоретическому максимуму, предсказанному общей теорией относительности Эйнштейна. Для M87* направление вращения оказалось согласованным с ориентацией мощных релятивистских джетов — струй плазмы, выбрасываемых из окрестностей черной дыры. В случае со Стрельцом А* определенный наклон оси согласуется с существующими моделями, описывающими поведение окружающего его газа. Эти уточненные оценки вносят существенный вклад в понимание динамики процессов, происходящих в аккреционных дисках и джетах — ключевых элементах, формирующих облик активных галактических ядер.
Исследование, возглавляемое Майклом Йенсеном из Университета Радбауда при участии Института радиоастрономии Макса Планка, знаменует собой новый этап в обработке данных EHT.
Обратите внимание: За 200 лет извержения вулканов в различных регионах мира привели к гибели в общей сложности 200 000 человек.
Использование методов машинного обучения эффективно преодолевает ограничения традиционных итеративных методов моделирования, делая анализ не только значительно быстрее, но и более надежным с точки зрения учета неопределенностей.ИИ преодолевает ограничения прямого моделирования
Классический подход к определению свойств черных дыр по данным EHT основан на трудоемком итеративном процессе: реальные наблюдения последовательно сравниваются с огромным количеством заранее смоделированных сценариев. Несмотря на свою работоспособность, этот метод требует колоссальных вычислительных ресурсов и с трудом справляется с моделированием сложной, турбулентной и быстро меняющейся структуры вещества, падающего на черную дыру.
Новая методика, предложенная учеными, кардинально меняет парадигму. В её основе лежит байесовская нейронная сеть, которая в процессе обучения научилась распознавать глубинные закономерности, связывающие синтетические изображения черных дыр с их физическими параметрами. После завершения обучения модель способна напрямую анализировать реальные данные наблюдений, выдавая на выходе не одно число, а целые распределения вероятностей. Это позволяет наглядно оценить, насколько достоверен результат, учитывая как шумы в данных, так и фундаментальную изменчивость изучаемых явлений.
Такой подход особенно ценен для анализа Стрельца А*, чья среда отличается крайней нестабильностью и быстрыми изменениями, что делает традиционное моделирование чрезвычайно сложным. Нейронная сеть обходит эту проблему, статистически анализируя всё множество возможных состояний объекта. Для M87*, чье окружение более стабильно, а джеты хорошо видны, результаты, полученные ИИ, получили независимое подтверждение, что усилило доверие к методу в целом.
На пути к следующему поколению наблюдений EHT
Данное исследование открывает новые горизонты для будущих кампаний Event Horizon Telescope. В ближайшие годы сеть EHT будет расширяться за счет включения новых инструментов, таких как African Millimeter Telescope (AMT). Это значительно улучшит угловое разрешение и чувствительность системы. Параллельное развитие и внедрение методов искусственного интеллекта, подобных описанному, позволит максимально полно интерпретировать поток новых, более детальных данных.
Ожидается, что нейронные сети станут незаменимым инструментом для изучения сложнейших физических сценариев в окрестностях горизонта событий, включая:
- Динамику и изменения магнитных полей,
- Явления вращательной прецессии,
- Характер турбулентности в аккрецирующем газе.
Перспективным направлением является адаптация моделей ИИ для работы с мультимодальными данными, то есть для совместного анализа информации, полученной в разных диапазонах: радио-, оптическом и рентгеновском. Такой комплексный подход позволит создать целостную и детальную картину физических процессов, происходящих в непосредственной близости от сверхмассивных черных дыр.
Научная группа уже планирует применить разработанную методику к другим объектам наблюдения, а также к данным новых наблюдательных сессий EHT, продолжая раскрывать секреты этих загадочных космических объектов.
Больше интересных статей здесь: Новости науки и техники.