2019年4月10日，事件视界望远镜（Event Horizon Telescope，EHT）合作发布了第一张黑洞剪影的直接图像。 现在，科学家使用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*黑洞旋转的炽热橙色物质的更清晰的图像。
见图说图说：动画展示了M87*的原始图像和PRIMO图像之间的过渡。 （L. Medeiros/Institute for Advanced Study, D. Psaltis/Georgia Tech, T. Lauer/NSF’s NOIRLab, and F. Ozel/Georgia Tech）
EHT的天体物理学家Lia Medeiros提到，通过新的机器学习技术PRIMO，可以实现EHT阵列的最大分辨率。 由于我们无法近距离研究黑洞，图像中的细节愈多愈能更加了解真实的黑洞状态。 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引力测试达到强大的约束。
M87*所在的星系室女A星系，又称梅西耶87（M87）位于5500万光年之外，星系中心的超大质量黑洞的质量是太阳的65亿倍。 全球七台无线电波望远镜合力打造了一个地球大小般的望远镜，花了四天的观测时间收集数据，再经数据处理后最终形成了我们所看到的图像。 然而，将七台望远镜结合在一起的干涉测量法（interferometry）技术并不完美。 数据中存在空白，因为望远镜实际上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名为主成分干涉建模（PRIMO）的机器学习算法来填补这些空白，以达到如同生成使用地球大小的单个巨型无线电波望远镜的图像一般。
PRIMO依赖一种被称为字典学习的方法，意即通过展示事物的数千个例子来训练，研究人员用3万多张活跃黑洞的模拟图像训练PRIMO，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分辨率拍摄了研究人员所说的M87的高精度图像，并揭示了原始图像中缺失的结构，与2017年收集的四天约5petabytes数据（petabytes，又称千兆字节是一种档案计量单位）和理论预测一致。 这张新图像让研究小组对M87进行了比以前更详细的测量，并对它周围的引力区域更严格的测试。 在未来，该算法可以应用于其他类似的图像，包括去年发现的银河系中心的超大质量黑洞人马座A*。
这项研究发表在《天文物理期刊通讯》上。 （编译/吴典谚）
资料来源：science alert
本文由奇点天文作者上传并发布，奇点天文仅提供文章投稿展示，文章仅代表作者个人观点，不代表奇点天文立场。
