人工智能生成了“M87”大黑洞更清晰的图像

天文学家使用机器学习提高了事件视界望远镜的第一张黑洞照片的清晰度，这项工作充分展示了人工智能对微调宇宙观测的价值。

上图：事件视界望远镜的原始图像。

这幅图像将指导科学家们测试他们关于黑洞行为和极端条件下道路引力规则的假设。

2019年，距地球约5500万光年的椭圆星系 M87 中心的超大质量黑洞的EHT图像震惊了科学界。这张照片是由世界各地的射电望远镜阵列的观测结果合成的，但数据上的差距意味着这张照片不完整，有些模糊。

在本周发表在《天体物理学杂志快报》上的一项研究中，一个国际天文学家团队描述了他们是如何通过分析3万多张模拟黑洞图像来填补空白的。

该研究的主要作者、高级研究所的利亚·梅代罗斯（Lia Medeiros）在新闻发布会上说：“通过我们新的机器学习技术‘PRIMO’，我们能够实现当前阵列的最大分辨率。”

上图：PRIMO 重建图像。

黑洞陷入引力奇点时，PRIMO 缩小并锐化了EHT对围绕黑洞旋转的热物质环的观测。梅代罗斯说，这不仅仅是一张更漂亮的照片。

梅代罗斯进一步解释道：“由于我们无法近距离研究黑洞，图像的细节在我们理解其行为的能力中起着关键作用。图像中环的宽度现在缩小了大约1 / 2，这将对我们的理论模型和重力测试构成强大的约束。”

利亚·梅代罗斯和她的同事开发的技术被称为“主成分干涉建模”，或简称 PRIMO，分析训练图像的大型数据集，以找出填补缺失数据的最有可能的方法。这类似于人工智能研究人员对路德维希·冯·贝多芬音乐作品的分析，为这位作曲家未完成的第十交响曲继续谱曲。

数以万计的模拟EHT图像被输入到 PRIMO 模型中，覆盖了进入M87黑洞的气体的广泛结构模式。为可用数据提供最佳拟合的模拟被混合在一起，以产生缺失数据的高保真重建。然后，对得到的图像进行重新处理，以匹配EHT的实际最大分辨率。

上图：EHT分辨率相匹配的模糊图像。

研究人员说，这张新图像应该能更精确地确定M87黑洞的质量，以及它的视界和吸积环的范围。反过来，这些决定可能会导致对与黑洞和引力有关的其他理论进行更有力的测试。

M87更加清晰的图像仅仅是个开始。PRIMO还可以用来增强事件视界望远镜对人马座A*的模糊视图，人马座A*是我们银河系中心的超大质量黑洞。而且，这还不是全部：PRIMO所采用的机器学习技术可以应用于黑洞之外的更多领域。梅代罗斯说：“这可能对干涉测量术产生重要影响，干涉测量术在从系外行星到医学领域都发挥着重要作用。”

PRIMO算法的开发是在美国国家科学基金会天文学和天体物理学博士后奖学金的支持下实现的。

如果朋友们喜欢，敬请关注“知新了了”！