
Учёные совершили прорыв в изучении чёрных дыр, используя машинное обучение для анализа данных телескопа «Горизонт событий» (EHT). Это открытие позволяет определять ключевые характеристики сверхмассивных чёрных дыр – например, скорость вращения и соотношение температур ионов и электронов – без промежуточной стадии построения изображения.
Традиционно анализ проводился по изображениям, что вносило погрешности. Новый метод работает напрямую с данными, полученными интерферометром – вместо просмотра фотографии объекта учёные анализируют его «отпечаток» в виде сигнала, минуя этап «проявки» фотографии.

Принцип работы основан на обучении нейронных сетей на данных, полученных с помощью моделирования поведения вещества вокруг чёрных дыр. Эти модели, созданные с использованием сложных вычислений (общерелятивистской магнитогидродинамики), учитывают различные параметры, такие как скорость вращения чёрной дыры и температуру её окрестностей. Нейронные сети обучаются распознавать связь между этими параметрами и сигналами, которые регистрируются EHT. Затем обученную сеть применяют к реальным данным EHT, чтобы получить оценки параметров чёрной дыры.
Преимущества нового подхода очевидны: повышается точность и эффективность анализа, так как исключаются ошибки, возникающие при обработке изображений. Перспективы связаны с возможностью непрерывного мониторинга чёрных дыр, что позволит отслеживать изменения их параметров во времени и получать более полную картину.
В исследовании использовались данные наблюдений EHT за чёрной дырой M87* в 2017 году. Хотя полученные результаты по некоторым параметрам пока не однозначны из-за несовершенства моделей и турбулентности в окрестностях чёрной дыры, учёные показали перспективность метода и планируют его улучшение за счёт учёта дополнительных данных, таких как поляризация излучения. Это позволит в будущем получать ещё более точные и полные характеристики чёрных дыр.
-
04.05.2025 10:28:00 | iXBT.com
04.05.2025 09:50:00 | iXBT.com
04.05.2025 09:43:00 | iXBT.com
04.05.2025 09:36:00 | iXBT.com
04.05.2025 09:07:00 | iXBT.com
04.05.2025 08:45:00 | iXBT.com
04.05.2025 08:32:00 | iXBT.com
04.05.2025 07:59:00 | iXBT.com
04.05.2025 00:26:00 | iXBT.com
03.05.2025 21:08:00 | iXBT.com
03.05.2025 20:57:00 | iXBT.com
03.05.2025 20:49:00 | iXBT.com
03.05.2025 20:21:00 | iXBT.com
03.05.2025 19:21:00 | iXBT.com
03.05.2025 19:02:00 | iXBT.com
03.05.2025 19:00:00 | iXBT.com
03.05.2025 18:21:00 | iXBT.com
03.05.2025 18:13:00 | iXBT.com
03.05.2025 18:02:00 | iXBT.com
03.05.2025 17:50:00 | iXBT.com
03.05.2025 17:34:00 | iXBT.com
03.05.2025 16:57:00 | iXBT.com
03.05.2025 15:49:00 | iXBT.com
03.05.2025 15:48:03 | TechCult.ru
03.05.2025 15:07:00 | iXBT.com
03.05.2025 13:36:00 | iXBT.com
03.05.2025 13:13:00 | iXBT.com
03.05.2025 12:59:00 | iXBT.com
03.05.2025 11:56:00 | iXBT.com
03.05.2025 11:53:00 | iXBT.com
03.05.2025 11:48:11 | TechCult.ru
-
04.05.2025 13:30:29 | ferra.ru
04.05.2025 13:14:45 | vc.ru
04.05.2025 12:03:44 | it-world
04.05.2025 12:00:10 | ferra.ru
04.05.2025 11:36:28 | Хабр
04.05.2025 11:16:20 | Хабр
04.05.2025 10:59:09 | Хабр
04.05.2025 09:01:56 | Хабр
04.05.2025 08:35:51 | Хабр
04.05.2025 08:00:45 | Хабр
04.05.2025 08:00:34 | Хабр
04.05.2025 07:55:57 | Хабр
04.05.2025 07:31:40 | Хабр
04.05.2025 06:00:15 | ferra.ru
Техническая поддержка проекта ВсеТут