借助机器学习，标志性的首张超大质量黑洞照片呈现出引人注目的新面貌。
2019 年那张吸引全世界目光的照片显示的是一个明亮而模糊的光环。但 4 月 13 日发表在《天体物理学杂志快报》上的研究将这一景象锐化为一个狭窄的环，衬托着鲜明的黑色背景。科学家表示，新图像为未来深入了解黑洞奠定了基础。
卡内基梅隆大学的天体物理学家蒂齐亚娜·迪·马特奥说：“我认为他们真的找到了一个很好的定位，即针对特定问题开发特定的算法，并融入物理知识，从而取得重大进展。”她本人也在自己的工作中使用了机器学习，但并未参与这项新研究。“这是一个美丽的例子，说明事物如何能够改进，你如何能够看得更远、更清晰，真的是这样，”她说。
支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您将帮助确保有关塑造我们当今世界的发现和思想的具有影响力的故事能够拥有未来。
M87 星系距离地球约 5400 万光年。其中心是一个黑洞，质量约为太阳的 65 亿倍。这个庞然大物是事件视界望远镜 (EHT)的两个主要目标之一，EHT 是一个位于全球各地的射电天文台联盟。通过结合来自这些来源的数据，科学家们实际上构建了一个地球大小的望远镜，其威力足以捕捉到黑洞周围明亮物质的细节。
但 EHT 存在一个根本问题：其数据是零星的，就像透过一块脏窗户观察到的场景，只有少数斑块透光。2019 年的图像及其新的配套图像都基于仅从地球上少数几个地点收集的数据，这在科学家观察黑洞的视野中留下了很大的空白。
这就是机器学习发挥作用的地方。马萨诸塞理工学院海斯塔克天文台的天体物理学家秋山一德说，无论是 2019 年的原始图像，还是今天的 M87 黑洞增强视图，其背后都是使用机器学习作为一种“数学侦探”的成像技术。秋山一德是事件视界望远镜合作组织的成员，但未参与这项新研究。
当科学家创建初始图像时，他们依赖于通用的机器学习系统来填补空白。（例如，这样的系统可能会判定，两个相邻像素的亮度更可能大致相同，而不是差异巨大。）当从该过程中浮现出独特的环状图像时，这有助于使科学家确信他们确实是在观察黑洞。但环的模糊性使得进一步了解黑洞变得困难。
新研究的作者、普林斯顿高等研究院的天体物理学家莉娅·梅德罗斯说：“我们当时的考虑——而且理所当然地——是，这是任何人第一次看到黑洞，我们真的不想对此做任何假设。”她也参与了 2019 年图像的创建。“以前没有人见过这个东西，所以我们不想假设它会与我们的理论相符。”
梅德罗斯和她的同事确信 EHT 最初的人工智能增强方法在 2019 年的图像中效果良好，因此他们决定用一种略有不同且可以说更复杂的方法来升级：他们称之为“主成分干涉测量建模 (PRIMO)”的机器学习方法。
PRIMO 运行的规则源自科学家对黑洞外观的预期，该算法从对大量具有不同特征（不同的质量、不同的自旋等等）的模拟黑洞进行训练中收集了这些规则。结果是一个更加专业的算法。
秋山说：“这是一种全新的方法。”“他们对可能的图像类型使用了不同的假设。”
然后，梅德罗斯和她的同事将 PRIMO 应用于相同的初始 EHT 数据。更注重物理规则的方法创建了一个更清晰的图像，描绘了一个更窄的环，环绕着一个真正的黑色中心。并且由于科学家们认为环的宽度等特征反映了黑洞的基本特征，因此更清晰的视图可能会改变科学家们对这个巨大物体的理解。然而，这项新研究并未深入探讨这些潜在的影响。梅德罗斯说，深入探讨这些影响的论文仍在撰写中。
就像 2019 年标志性的图像一样，新的 PRIMO 图像也不会是我们最后一张 M87 黑洞的照片。秋山希望看到 PRIMO 算法得到更彻底的测试，而迪·马特奥强调，随着科学家们继续磨练他们对支配黑洞的物理学的理解，这种方法将变得更强大。
伦敦大学学院的天体物理学家齐里·尤恩西也表示赞同。“显然，还需要做更多的工作来研究这种算法并进行更多测试，但这可能是一个非常令人兴奋的结果，”齐里·尤恩西是事件视界望远镜合作组织的成员，但未参与这项新研究。