Superpočítače umožnily AI dekódovat tajemství černých děr v galaxiích
Mezinárodní tým astronomů dokázal pomocí neuronových sítí, milionů syntetických simulací a umělé inteligence odhalit nové kosmické zajímavosti o černých dírách. Jejich výzkum ukázal, že černá díra v centru naší Mléčné dráhy se točí téměř maximální rychlostí. Tyto rozsáhlé soubory simulací byly vytvořeny díky výpočetním schopnostem Center for High Throughput Computing (CHTC), společné instituce Morgridge Institute for Research a University of Wisconsin-Madison. Astronomové publikovali své výsledky a metodologii v třech článcích v časopise Astronomy & Astrophysics.
Průkopnická technologie vysokovýkonných výpočtů
Vysokovýkonné výpočty, které letos slaví 40. výročí, byly průkopnicky vyvinuty wisconsinským počítačovým vědcem Mironem Livny. Jedná se o novou formu distribuovaných výpočtů, která automatizuje výpočetní úlohy napříč sítí tisíců počítačů a v podstatě mění jednu masivní výpočetní výzvu na supernabitou flotilu menších úloh. Tato výpočetní inovace pomáhá pohánět objevy velkých dat napříč stovkami vědeckých projektů po celém světě, včetně hledání kosmických neutrin, subatomárních částic a gravitačních vln, stejně jako k rozluštění antibiotické rezistence.
Kolaborace Event Horizon Telescope (EHT) v roce 2019 zveřejnila první snímek supermasivní černé díry v centru galaxie M87. V roce 2022 představili snímek černé díry v centru naší Mléčné dráhy, Sagittarius A*. Data za těmito snímky však stále obsahovala bohatství těžko rozluštitelných informací. Mezinárodní tým výzkumníků vytrénoval neuronovou síť k extrakci co největšího množství informací z dat.
Od hrstky po miliony simulací
Předchozí studie kolaborace EHT používaly pouze několik realistických syntetických datových souborů. Financováno National Science Foundation (NSF) jako součást projektu Partnership to Advance Throughput Computing (PATh), CHTC se sídlem v Madisonu umožnilo astronomům napájet miliony takových datových souborů do takzvané Bayesovské neuronové sítě, která dokáže kvantifikovat nejistoty. To výzkumníkům umožnilo provést mnohem lepší srovnání mezi daty EHT a modely.
Díky neuronové síti se výzkumníci nyní domnívají, že černá díra v centru Mléčné dráhy se točí téměř maximální rychlostí. Její rotační osa směřuje k Zemi. Kromě toho je emise v blízkosti černé díry způsobena hlavně extrémně horkými elektrony v okolním akrečním disku a ne takzvaným jetem. Také se zdá, že magnetická pole v akrečním disku se chovají odlišně od obvyklých teorií takových disků.
Michael Janssen, hlavní výzkumník z Radboud University Nijmegen v Nizozemsku, komentuje: "To, že se vzpíráme převládající teorii, je samozřejmě vzrušující. Náš přístup AI a strojového učení však vidím především jako první krok. Dále budeme vylepšovat a rozšiřovat související modely a simulace."
Impozantní škálování výpočetní síly
Chi-kwan Chan, Associate Astronomer Steward Observatory na University of Arizona a dlouhodobý spolupracovník PATh, dodává: "Schopnost škálovat až na miliony syntetických datových souborů potřebných k trénování modelu je impozantní úspěch. Vyžaduje to spolehlivou automatizaci pracovních postupů a efektivní rozdělení pracovní zátěže napříč úložnými zdroji a výpočetní kapacitou."
Professor Anthony Gitter, Morgridge Investigator a PATh Co-PI, říká: "Jsme rádi, že vidíme EHT využívat naše výpočetní schopnosti k přinesení síly AI do jejich vědy. Stejně jako v případě jiných vědeckých oblastí, schopnosti CHTC umožnily výzkumníkům EHT sestavit množství a kvalitu dat připravených pro AI, které jsou potřebné k trénování efektivních modelů, které usnadňují vědecké objevy."
NSF-financovaný Open Science Pool, provozovaný PATh, nabízí výpočetní kapacitu poskytovanou více než 80 institucemi napříč Spojenými státy. Projekt černých děr Event Horizon provedl více než 12 milionů výpočetních úloh za poslední tři roky.
Nový přístup k vědeckému výzkumu
Livny, ředitel CHTC a hlavní investigátor PATh, vysvětluje: "Pracovní zátěž, která se skládá z milionů simulací, je dokonalou shodou pro naše schopnosti orientované na propustnost, které byly vyvinuty a zdokonalovány po čtyři desetiletí. Rádi spolupracujeme s výzkumníky, kteří mají pracovní zátěže, které zpochybňují škálovatelnost našich služeb."
Výzkum publikovaný ve třech vědeckých článcích představuje významný pokrok v našem porozumění černým dírám. První článek se zabývá kalibračními vylepšeními a komplexní syntetickou knihovnou dat. Druhý článek popisuje framework Zingularity pro Bayesovské umělé neuronové sítě. Třetí článek prezentuje výsledky Zingularity z pozorování z roku 2017 a předpovědi pro budoucí rozšíření pole.
Tento průlom ve využití umělé inteligence a vysokovýkonných výpočtů pro astronomický výzkum otevírá nové možnosti pro porozumění nejextrémnějším objektům ve vesmíru. Schopnost zpracovat miliony simulací současně a extrahovat z nich smysluplné informace pomocí neuronových sítí představuje významný krok vpřed ve vědeckém výzkumu černých děr a jejich vlastností.
