我校在人工智能与黑洞图像交叉领域取得突破

（供稿 信息科学与工程学院）我校信息科学与工程学院温翠红团队和物理与电子科学学院陈松柏教授、王接词教授团队在人工智能与黑洞图像的交叉研究领域取得突破，研究论文“BCDDM: Branch Correction Denoising Diffusion Model for Black Hole Image Generation”在校定TOP期刊《The Astrophysical Journal Supplement Series》(ApJS)上发表。

通过将事件视界望远镜（EHT）数据拟合到通过广义相对论射线追踪（GRRT）生成的模拟图像中，可以推断黑洞和吸积流的性质。然而，由于GRRT的计算密集性，生成特定辐射通量图像的效率需要提高。针对黑洞成像领域的这一难题，团队历时一年攻关，创新性地将人工智能技术融入了黑洞物理的研究。这种方法首次通过扩散架构实现物理参数到黑洞图像的端到端生成，在极大程度降低传统方法算力需求的同时，生成的图像与真实GRRT模拟高度一致，且能准确反映输入参数的变化。此外，通过生成的图像增强训练数据后，基于深度学习的参数回归模型在黑洞物理参数预测上取得了性能显著提升。该研究为黑洞图像的研究提供了一种快速、精准、低成本的AI驱动新范式。

我校信息科学与工程学院研究生刘敖、物理与电子科学学院研究生张泽林为论文的共同第一作者，陈松柏教授、温翠红副教授、王接词教授为共同通讯作者。我校为该论文的唯一单位，该工作得到了国家自然科学基金、湖南省自然科学基金等项目的资助。

近年来，该课题组致力于人工智能与相对论天体物理的交叉研究，取得了一系列创新成果，相关研究已在ApJS、ApJL等国际著名期刊发表。

论文链接ApJS：https://doi.org/10.3847/1538-4365/add896

编辑：胡欣睿

责编：张尧钰

审核：马铁泉