在浩瀚宇宙的探索征程中，一项突破性发现再次刷新了人类对黑洞的认知。天文学家借助人工智能技术，在距离地球约7.5亿光年的鲸鱼座方向，捕捉到一次罕见的黑洞吞噬恒星事件。这一发现不仅为超大质量黑洞的行为研究提供了新样本，更首次证实了流浪黑洞在星系外围引发潮汐破坏的可能性。
此次被命名为TDE 2025abcr的极端事件中，一个质量相当于100万倍太阳的超大质量黑洞，将一颗恒星撕裂成细长的物质流，形成壮观的吸积盘。与以往观测案例不同的是，该黑洞位于宿主星系外围约3万光年处，远超传统认知中星系核心黑洞的活动范围。研究团队通过多波段观测证实，这个"流浪者"可能源于星系碰撞时的引力弹射效应，或是小型星系被剥离后遗留的裸黑洞。
马里兰大学与NASA戈达德太空飞行中心组成的国际团队，通过创新性的AI筛选技术实现了这一突破。加州帕洛马天文台的兹威基瞬变设施（ZTF）每天产生50万个天文信号，传统人工筛选方式根本无法处理如此庞大的数据量。研究团队开发的tdescore算法通过分析光变曲线、颜色演化等特征，成功从海量数据中识别出符合潮汐破坏特征的信号，同时刻意忽略位置信息，为发现非核心区域事件创造条件。
为确保发现准确性，天文学家启动了多台世界顶级望远镜进行联合验证。智利南方天体物理研究望远镜的光谱分析排除了超新星等干扰因素；NASA雨燕天文台捕捉到该区域温度高达3万摄氏度的X射线辐射，与恒星残骸吸积盘特征完全吻合；詹姆斯·韦布太空望远镜和凯克望远镜的观测数据进一步巩固了结论。这些跨国界、跨波段的协同观测，构建起完整的证据链。
这项成果凸显了人工智能在天文研究中的革命性作用。面对ZTF项目每天产生的1.5TB数据，AI分类工具展现出超越人类极限的处理能力。研究负责人指出，当观测数据量呈指数级增长时，AI不仅能提升发现效率，更能通过机器学习揭示人类难以察觉的微弱信号模式。随着算法的不断优化，未来有望在星系演化、暗物质分布等领域取得更多突破性发现。
