سیاه چاله راه شیری می تواند با حداکثر سرعت اجرا شود

مرکز کهکشان ما می تواند حاوی یک چرخش کیهانی استثنایی باشد – سیاه چاله ای که به نظر می رسد تقریباً در اسرع وقت تبدیل می شود.

مایکل جانسن در دانشگاه Radboud در هلند و همکارانش با استفاده از داده های جمع آوری شده توسط شبکه ای از رصدخانه ها که به طور جمعی تحت نام Télescope Horizon (EHT) شناخته شده اند ، سیاه چاله را در مرکز راه شیری ، Sagittarius A *مورد مطالعه قرار دادند. برای مقابله با پیچیدگی داده ها ، آنها به هوش مصنوعی روی آوردند.

اول ، آنها از مدلهای ریاضی به خوبی استفاده می کردند تا حدود یک میلیون سیاهچاله را شبیه سازی کنند – که خود یک شاهکار محاسبه بود که به میلیون ها ساعت ابر رایانه نیاز داشت. سپس ، آنها از این شبیه سازی ها برای تشکیل نوعی هوش مصنوعی به نام شبکه عصبی استفاده کردند که به آن اجازه می دهد خطوط سیاه چاله را بر اساس داده های مشاهده تعیین کند. سرانجام ، آنها داده های مربوط به Sagittarius A * را که EHT در طول سال 2017 جمع آوری کرده بود ، تغذیه کردند.

هوش مصنوعی نشان داد که ساژیتاریوس بین 80 تا 90 ٪ از بالاترین سرعت ممکن خود بوده است. وی همچنین به محققان هشدار داد كه هیچ یك از مدل های میدان مغناطیسی آنها به ویژه با سیاه چاله ما مطابقت ندارد – بنابراین كار ریاضی بیشتر لازم است. جانسن می گوید که مطالعات قبلی دامنه خواصی را که Sagittarius می تواند داشته باشد ، کاهش داده است ، مانند سرعتی که در آن می چرخد ​​و چه نوع میدان های مغناطیسی آن را احاطه کرده است ، اما این رویکرد جدید آنها را دقیق تر کرده است.

dimitrios psaltis انستیتوی فناوری جورجیا آتلانتا گفت که وی برخی از این نتایج ضد شهود را پیدا کرده است. او می گوید ، تجزیه و تحلیلهای قبلی حتی نمی تواند روشن کند که آیا چرخش سیاه چاله دقیقاً از داده های EHT می تواند تعیین شود.

برخی از کارهای گذشته نشان می دهد که ساژیتاریوس خیلی سریع در حال چرخش است. یوسوکه میزونو در دانشگاه شانگهای جیائو تانگ در چین. اما وی خاطرنشان می کند که مدل های رایانه ای که در مطالعه جدید مورد استفاده قرار می گیرند ، جای پیشرفت دارند. او می گوید: “الگوی نظری ما هنوز کامل نیست.”

اما Mizuno و Psaltis می گویند که AI بخشی جدایی ناپذیر از ما است که چگونه ما در مورد اشیاء کیهانی عجیب و غریب مانند سیاه چاله ها می آموزیم. Psaltis توضیح می دهد: “ما در شرایطی هستیم که داده های زیادی داریم و مدل های زیادی داریم و برای ترکیب هر دو به روش های مدرن نیاز داریم.” “این جایی است که یادگیری خودکار تفاوت بزرگی و بزرگی ایجاد می کند.”

در عین حال ، این چالش های خاص خود را به وجود می آورد ، زیرا کار هوش مصنوعی باید از سر گرفته شود و تجزیه و تحلیل بعدی در برابر توهم احتمالی.

Janssen و تیمش قبلاً چک های بی شماری از این نوع را انجام داده اند ، مانند تست AI با داده های شبیه سازی ویژه طراحی شده. او می گوید ، آزمایش های دیگر به دلیل تجزیه و تحلیل داده های سالهای دیگر عملکرد EHT و در پایان ، داده های رصدخانه های جدید انجام می شود.