BHCast：从单张模糊图像解锁黑洞等离子体动力学的长期预测
计算机视觉与模式识别
2026-03-31 v1 天体物理仪器与方法
机器学习
摘要
Event Horizon Telescope（EHT）通过捕获黑洞周围吸积流的光线实现了首次黑洞成像，揭示了结构但未揭示动力学。黑洞吸积动力学的仿真对于解释 EHT 图像至关重要，但生成成本高昂且不实用于推断。为缓解这一瓶颈，BHCast 提出了一个从单张模糊快照（如 EHT 捕获的快照）预测黑洞等离子体动力学的框架。BHCast 的核心是神经模型，可将静态图像转换为预测未来帧，从而揭示一个快照中隐藏的动力学。通过多尺度金字塔损失，我们展示了自回归预测如何同时超分辨并演化模糊帧为保持长时间尺度稳定性的连贯的高分辨率电影。从预测的动力学中，我们可以提取可解释的时空特征，如模式速度（旋转速率）和螺旋角。最后，BHCast 使用梯度提升树从等离子体特征中恢复黑洞属性，包括自转和观察倾斜角。预测与推断之间的分离提供了模块化的灵活性、可解释性和稳健的不确定性量化。我们在两个不同黑洞吸积系统的仿真中展示了 BHCast 的有效性，分别是银河系中心的 Sagittarius A* 和 M87*，通过测试在 EHT 分辨率模糊的模拟帧以及 M87* 的真实 EHT 图像。最终，我们的方法确立了解决逆问题的可扩展范式，表明学习的动力学有望从分辨率受限的科学数据中解锁见解。
引用
@article{arxiv.2603.26777,
title = {BHCast: Unlocking Black Hole Plasma Dynamics from a Single Blurry Image with Long-Term Forecasting},
author = {Renbo Tu and Ali SaraerToosi and Nicholas S. Conroy and Gennady Pekhimenko and Aviad Levis},
journal= {arXiv preprint arXiv:2603.26777},
year = {2026}
}
备注
CVPR 2026