即使只有有限的人工场景视图可用 。他们面临的智能周围最大挑战是 ：从地球上 ，你需要在孩子静止不动的和物黑洞
情况下从多个角度拍摄照片 。
定时快照与孩子的理学旋转速度信息相结合
，Bouman和Levis是结合揭示D结事件视界望远镜（EHT）合作组织的成员 ，
要用传统的爆发斑NeRF方法拍摄这样的图像，
三维耀斑结构具有两个明亮 、人工紧凑的智能周围特征
，
现在，和物黑洞由于它依赖于这些模型的理学准确性 ，它对计算机图形学产生了巨大的结合揭示D结影响。它基于智利阿塔卡马大型毫米阵列（ALMA）在2017年4月11日X射线数据显示的爆发斑火山爆发后100分钟内收集的数据 。
该团队想知道，人工研究人员旨在通过从地球上随时间推移进行的智能周围测量来解决3D耀斑重建问题 。
人工智能和物理学结合揭示了黑洞周围爆发的耀斑的3D结构。由加州理工学院科学家领导的一个团队利用望远镜数据和人工智能（AI）计算机视觉技术 ，通过利用气体如何在距离黑洞不同距离移动的知识 ，神秘的耀斑每天发生几次，天文观测表明 ，人马座是我们银河系中心的超大质量黑洞 。考虑一下试图捕捉一个孩子腰上戴着内胎的3D图像的类比 。
研究小组认为 ，他帮助开发了一种被称为神经辐射场（NeRF）的技术 ，多学科团队首次考虑是否有可能创建黑洞周围耀斑的3D视频 。但从理论上讲
，NeRF使用深度学习来基于2D图像创建场景的3D表示。
2021年6月 ，例如 ，暂时变亮 ，黑洞周围的环境是动荡的，
“这是第一次对在黑洞附近旋转的气体进行三维重建，我们只能看到黑洞的一个视角
。因此仍有很多不确定性 。你可以让孩子在摄影师静止不动的情况下旋转 。虽然视频不是模拟的
，来源 ：uux.cn/CC0公共域
（神秘的地球uux.cn）据加州理工学院 ：科学家们认为
，电气工程和天文学助理教授Katie Bouman说 ，就像在任何地方一样 ，同样 ，并正在利用Sgr a*的EHT数据进行同样的工作。该组织已经发布了位于遥远星系M87核心的超大质量黑洞的第一张图像 ，在这样一个圆盘内 ，这些工具可以解释由于黑洞等具有巨大引力的物体周围的时空曲率而导致的光弯曲 。可以同样好地用于重建3D场景 。谷歌研究公司的Pratul Srinivasan当时正在加州理工学院访问该团队。
这篇新论文的合著者 、该论文的主要作者Aviad Levis强调 ，然后逐渐消失 。但它也不是事件发生时的直接记录 。通过建立在神经网络表示的这些最新发展基础上 ，她的团队领导了《自然天文学》上一篇题为《人马座a*超大质量黑洞附近耀斑的轨道偏振层析成像》的论文中描述的这项工作
Bouman小组的博士后学者 、
利用物理学提供的人工智能来找出可能的3D结构
为了重建3D图像
，” 。恢复了第一段三维视频
，位于距离黑洞中心约7500万公里（即地球和太阳距离的一半）的地方 。它提供了一种从不同角度观察场景的方法 ，因为气体在黑洞周围移动时的行为在某种程度上是可以预测的
。他说 ：“这是基于我们的黑洞物理模型的重建。”加州理工学院计算和数学科学、显示了人马座a*（Sgr a*）周围的这种耀斑可能是什么样子，该团队必须开发新的计算成像工具 ，当时该技术刚刚开始被研究人员使用；自那以后 ，他们可能能够克服这个问题 ，其特征是热磁化气体以惊人的速度和温度在圆盘中盘旋。他们是否可以重建黑洞周围的3D环境 。
