臺北市立天文科學教育館

2019年4月10日，事件視界望遠鏡（Event Horizon Telescope，EHT）合作發布了第一張黑洞剪影的直接圖像。現在，科學家使用一種新的機器學習技術來重新處理原始數據，以揭示圍繞M87*黑洞旋轉的熾熱橙色物質的更清晰的圖像。

圖說：動畫展示了M87*的原始圖像和PRIMO圖像之間的過渡。（L. Medeiros/Institute for Advanced Study, D. Psaltis/Georgia Tech, T. Lauer/NSF's NOIRLab, and F. Ozel/Georgia Tech）

EHT的天體物理學家Lia Medeiros提到，透過新的機器學習技術PRIMO，可以實現EHT陣列的最大解析度。由於我們無法近距離研究黑洞，圖像中的細節愈多愈能更加了解真實的黑洞狀態。圖像中環的寬度現在縮小了大約1 / 2，這將對我們的理論模型和引力測試達到強大的約束。

M87*所在的星系室女A星系，又稱梅西耶87（M87）位於5500萬光年之外，星系中心的超大質量黑洞的質量是太陽的65億倍。全球七台無線電波望遠鏡合力打造了一個地球大小般的望遠鏡，花了四天的觀測時間收集數據，再經數據處理後最終形成了我們所看到的圖像。然而，將七台望遠鏡結合在一起的干涉測量法（interferometry）技術並不完美。數據中存在空白，因為望遠鏡實際上不是一個地球大小的大型接收器，它們在物理上是分開的。因此，Medeiros和她的同事開發了一種名為主成分干涉建模（PRIMO）的機器學習演算法來填補這些空白，以達到如同生成使用地球大小的單個巨型無線電波望遠鏡的圖像一般。

PRIMO依賴一種被稱為字典學習的方法，意即通過展示事物的數千個例子來訓練，研究人員用3萬多張活躍黑洞的模擬圖像訓練PRIMO，以便它可以了解該過程的工作原理並尋找模式。然後，PRIMO以目前可能的最大分解析度拍攝了研究人員所說的M87*的高精度圖像，並揭示了原始圖像中缺失的結構，與2017年收集的四天約5petabytes數據（petabytes，又稱千兆位元組是一種檔案計量單位）和理論預測一致。這張新圖像讓研究小組對M87*進行了比以前更詳細的測量，並對它周圍的引力區域更嚴格的測試。在未來，該算法可以應用於其他類似的圖像，包括去年發現的銀河系中心的超大質量黑洞人馬座A*。

這項研究發表在《天文物理期刊通訊》上。（編譯／吳典諺）

資料來源：science alert