事件视界望远镜 (EHT) 合作发布了有史以来第一张黑洞阴影的直接图像。现在，科学家们使用了一种新的机器学习技术来重新处理原始数据，以揭示围绕 M87* 旋转的炽热橙色物质的新的、更清晰的视图。
M87* 的原始图像（左）和使用 PRIMO 重新处理的 EHT 数据（右）。 （L. Medeiros/高等研究院，D. Psaltis/佐治亚理工学院，T. Lauer/NSF 的 NOIRLab，以及 F. Ozel/佐治亚理工学院）
本月是天体物理学一项重大成就的周年纪念日。
2019 年 4 月 10 日，事件视界望远镜 (EHT) 合作发布了有史以来第一张黑洞阴影的直接图像。现在，科学家们使用了一种新的机器学习技术来重新处理原始数据，以揭示围绕 M87* 旋转的炽热橙色物质的新的、更清晰的视图。
这种新鲜的外观让我们更详细地了解黑洞周围的极端环境，这反过来将改进科学分析。
“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，”高级研究所和 EHT 的天体物理学家 Lia Medeiros 说。
“由于我们无法近距离研究黑洞，因此图像中的细节对我们理解其行为的能力起着至关重要的作用。图像中环的宽度现在缩小了大约两倍，这将是一个强大的对我们的理论模型和引力测试的约束。”
拥有 M87* 的星系 Messier 87（或 M87）距离我们有 5500 万光年。它被选为 EHT 的第一个目标，因为它相对较近，而且因为它中心的超大质量黑洞的质量是太阳的 65 亿倍，它又大又活跃，我们目前的技术可以解决它。
显然，黑洞本身是看不见的；但是一个活跃的超大质量黑洞，或者说一个活跃地以物质为食的黑洞，有一个热盘和它周围发光的物质环面。即便如此，对 M87* 进行成像也绝非易事。
全球七架射电望远镜合力打造了一台地球大小的望远镜，并用了四天的观察时间来收集最终成为现在熟悉的图像的数据。然后是数据处理，这非常耗费人力。
然而，虽然开创性且有效，但将七台望远镜组合在一起的技术（称为干涉测量法）并不完美。数据中存在差距，因为望远镜实际上并不是一个地球大小的大型接收器——它们在物理上是分开的。因此，Medeiros 和她的同事开发了一种称为主成分干涉建模 ( PRIMO ) 的机器学习算法来填补这些空白。
动画显示了 M87* 的原始图像和 PRIMO 图像之间的过渡。（L. Medeiros/高等研究院，D. Psaltis/佐治亚理工学院，T. Lauer/NSF 的 NOIRLab，以及 F. Ozel/佐治亚理工学院）
“PRIMO 是一种新方法，可以解决从 EHT 观测中构建图像这一艰巨任务，”美国国家科学基金会 NOIRLab 的天文学家 Tod Lauer 解释说。“它提供了一种方法来补偿关于被观察物体的缺失信息，这是生成使用地球大小的单个巨型射电望远镜所看到的图像所必需的。”
PRIMO 依赖于一种叫做字典学习的东西，其中通过展示事物的数千个示例来训练算法以学习该事物如何工作的规则。研究人员使用 30,000 多张活跃黑洞的模拟图像对 PRIMO 进行了训练，以便它可以了解该过程的工作原理并寻找模式。
然后，PRIMO 以目前可能的最大分辨率生成了研究人员所说的 M87* 的高精度图像。它揭示了原始图像中缺失的结构，并且与 2017 年收集的四天数据（约5 PB）和理论预测一致。
这张新图像使团队能够对 M87* 进行比以前更详细的测量，并对它周围的引力状态进行更严格的测试。将来，该算法可以应用于其他此类图像，包括人马座 A* 的图像，这是去年揭示的银河系中心的超大质量黑洞。
“2019 年的形象只是一个开始，” Medeiros 说。“如果一张图片值一千字，那么该图片背后的数据就有更多的故事要讲。PRIMO 将继续成为提取此类见解的重要工具。”
该研究已发表在《天体物理学杂志快报》上。