利用 PRIMO 重构 M87 黑洞图像，普林斯顿高等研究院成功将「甜甜圈」变身「金戒指」

内容一览：2019 年，「事件视界望远镜 (Event Horizon Telescope，简称 EHT)」全球研究团队发布了人类历史上第一张黑洞照片，受限于当时的观测条件，这张黑洞图像只呈现出一个模糊不清的轮廓。近日，天体物理学期刊《The Astrophysical Journal Letters》上发布了一篇基于 PRIMO 算法重构 M87 黑洞图像的论文，该研究成果带来了更加清晰的黑洞图像。
关键词：M87 黑洞 PRIMO 算法 PCA

本文首发自 HyperAI 超神经微信公众平台~

作者 | daserney

编辑 | 缓缓、三羊

黑洞 (Black Hole) 是现代广义相对论中，存在于宇宙空间中的一种天体。它的引力极其强大，使得视界内的逃逸速度大于光速，因此被称为黑洞。M87 黑洞是一个距离地球 5500 万光年之遥的庞大天体，它的质量约为太阳的 65 亿倍。

2019 年，事件视界望远镜 (Event Horizon Telescope，简称 EHT) 全球研究团队正式发布人类捕获的首张黑洞照片——M87 黑洞照片。这是人类首次目睹黑洞的真实面貌，使得 M87 黑洞在全球一夜间「爆红」。然而，由于观测条件的限制，第一张黑洞图像只能呈现出一个模糊不清的轮廓。

近期，来自普林斯顿高等研究院 (Institute for Advanced Study) 的研究人员利用超 30,000 张高分辨率模拟黑洞图像来训练 PRIMO (principal-component interferometric modeling) 算法，学习黑洞周围的光线传播规律，从而重建出更高质量、更清晰的黑洞图像。PRIMO 使得科学家们能够更加深入地研究黑洞、了解它们的性质和特征，同时也提供了一种新型的数据处理手段，为未来天文学和物理学的发展带来了巨大的潜力。目前该研究已发布在《The Astrophysical Journal Letters》期刊上，标题为「The Image of the M87 Black Hole Reconstructed with PRIMO」。

该成果已发布在《The Astrophysical Journal Letters》

论文地址：

https://iopscience.iop.org/article/10.3847/2041-8213/acc32d/pdf

从「甜甜圈」到「金戒指」

2017 年，EHT 用一台口径等效于地球直径的射电望远镜，成功拍摄到了 M87 黑洞照片，照片显示 M87 长得像个「甜甜圈」，外面一圈亮环，围绕着中间的阴影。

图 1：M87 黑洞图像

左：2017 年「事件视界望远镜」所拍摄的 M87 黑洞照片。

中：应用 PRIMO 算法对 2017 年 M87 数据进行重建的结果。

右：将 PRIMO 图像模糊至 EHT 阵列的分辨率。

图 1 显示，相较首张 M87 黑洞照片，重建后的图像环的宽度缩小了一倍，中间也暴露出一个更大、更暗的区域，更像是一个「金戒指」。这说明，研究人员成功提高了黑洞图像的分辨率，并且该图像与 EHT 数据和理论预期一致。对此，本论文一作 Lia Medeiros 表示，「这项研究进展对于深入理解黑洞行为以及进行理论模型验证和引力测试具有重要意义。」

实验过程

过程概述

研究人员将 EHT 在 2017 年 4 月 5 日、6 日、10 日和 11 日对 M87 黑洞的观测数据，作为本项研究的训练集，这些观察数据来源于 5 个地理位置的 7 个射电望远镜站点。其中，4 月 11 日的观测数据为基准数据集。

本实验中，研究人员主要使用一种新颖的图像重建算法——PRIMO 来重建黑洞图像。首先，研究人员使用广义相对论磁流体力学 (GRMHD) 模拟生成大量关于黑洞的仿真图像。接着使用主成分分析 (PCA) 在 GRMHD 模拟图像库中，获得一组稀疏正交基 (orthogonal basis)，这也是字典学习 (dictionary learning) 的一个用例。最后，利用 PCA 基础和 PRIMO 算法从稀疏干涉数据中重构图像。

* GRMHD：广义相对论磁流体力学 (General Relativistic Magnetohydrodynamics，简称 GRMHD) 是一种将广义相对论和磁流体力学相结合的理论框架，用于描述高速运动和强磁场条件下的物质和能量的行为。GRMHD 的应用范围非常广泛，特别适用于研究和模拟一些极端物理现象，如黑洞周围的等离子体流、星际空间中的磁流体行为以及星系和星系团的形成和演化等。通过 GRMHD 模拟，可以研究黑洞的吸积过程、喷流的产生以及星系中恒星形成的机制等重要问题。

* PCA：主成分分析 (Principal components analysis，简称 PCA) 是一种用于统计分析和简化数据集的方法。它通过正交变换将可能相关的变量观测值转化为一组线性不相关的变量值，这些不相关的变量被称为主成分。通过应用 PCA，研究人员可以将复杂的数据集简化为较少的主成分。PCA 在数据降维、特征提取和数据可视化等领域具有广泛的应用。通过使用 PCA，研究人员可以更好地理解数据，并将其转化为更易解释和使用的形式，从而发现数据中隐藏的信息和关系。

* PRIMO：PRIMO (principal-component interferometric modeling) 是一种基于字典学习的新型算法，它的核心在于主成分干涉建模技术，通过对大量模拟黑洞图像进行训练，使研究人员能够在无线电波望远镜稀疏覆盖的情况下恢复高保真图像，并达到 EHT 阵列的物理分辨率，应对毫米波干涉测量中的数据稀疏性问题。

参数研究

研究人员在本实验中进行了参数研究，参数研究是指对某个系统或模型中的参数进行变化和调整，以便观察和理解参数对系统行为和结果的影响。通过此研究，研究人员可以探索参数对实验过程中的各种变量和输出结果的影响程度，以及参数之间的相互关系。

研究人员将 M87 基准 PRIMO 图像的紧凑源总通量设置为 0.6Jy，并使用 20 个 PCA 分量的线性组合重建图像。而在参数研究中，研究人员将基准图像与使用不同总紧凑源通量和不同 PCA 分量获得的图像进行了比较，用来观察图像特征变化，比如环的大小、亮度及最亮处位置角度等。结果如下图所示：

图 2：基准图像和不同通量、PCA 分量图像比较

上：总通量分别为 0.5、0.6 和 0.7Jy 的最大后验 PRIMO 图像比较。

中：仅使用 12、14 和 18 个 PCA 分量的最大后验图像的比较。

下：从基准链的 MCMC 步骤中随机绘制的示例图像，通量为 0.6Jy，20 个 PCA 分量。

图中可以看到，不同的总压缩源通量和不同数量的 PCA 分量不同，会造成环最亮处的亮度及位置角度出现差异。同时，环的大小和宽度则不受影响。图 3 显示了基于 2017 年 4 月 5 日、6 日、10 日和 11 日 EHT 数据重建图像的比较。

图 3：2017 年 4 月 5、6、10 和 11 日 EHT 数据重建图像比较

图中可以看到，环最亮处位置角度、环南部最亮等特征在不同日期中略有变化，并且比较前两天和后两天图像，也可明显看到环最亮部分位置角度和光环亮度的差异，对此，研究人员认为这是由于观察的源结构 (source structure)，即黑洞周围物质的分布和排列方式不同。

论文一作受访，详述 PRIMO 对天文学影响

2023 年 4 月 14 日，Discovery Files Podcast 对本论文一作 Lia Medeiros 进行了采访。

图 4：视频搬运于 HyperAI 超神经微信视频号，来源 YouTube，为辅助大家理解原文增加了机器翻译的中英字幕

采访中，Lia Medeiros 称，理论上观测黑洞的望远镜应该有地球那么大，但由于现实原因，人类无法造出如此巨大的望远镜，于是便有了 EHT 阵列，其由全球各地的多台射电望远镜组成，利用一种名为 interferometry 的技术，形成一个口径相当于地球直径的虚拟望远镜来观测黑洞。

图 5：用 EHT 生成黑洞图像 (by Andrew Chael)

同时，Lia Medeiros 还介绍黑洞图像中原始的光圈颜色是人类肉眼不可见的，所以无法向大家展示真正的颜色，而研究人员之所以选择橙色来表示，是因为这种颜色具有美感。并且，该光线并不来自黑洞本身，而是由环绕在黑洞周围的物质散发出来的。