人工智能揭示了 M87 超大质量黑洞的惊人高分辨率视图

使用天文学家[{” attribute=””>machine learning to improve the Event Horizon Telescope’s first black hole image, aiding in black hole behavior understanding and testing gravitational theories. The new technique, called PRIMO, has potential applications in various fields, including exoplanets and medicine.

Astronomers have used machine learning to sharpen up the Event Horizon Telescope’s first picture of a black hole — an exercise that demonstrates the value of artificial intelligence for fine-tuning cosmic observations.

The image should guide scientists as they test their hypotheses about the behavior of black holes, and about the gravitational rules of the road under extreme conditions.

为 PRIMO 算法训练集生成的模拟概述。 图片来源：Medeiros 等人。 2023年

2019 年，距地球约 5500 万光年的椭圆星系 M87 中心超大质量黑洞的 EHT 图像令科学界眼花缭乱。该图像是结合全球射电望远镜阵列的观测结果制作的——但数据中的差距意味着图片有些不完整和模糊。

在上周发表的一项研究中 天体物理学杂志快报一个国际天文学家团队描述了他们如何通过分析 30,000 多张黑洞模拟图像来填补空白。

“使用一种新的机器学习方法 PRIMO，我们能够实现现有矩阵的最大准确度，”高级研究所的研究主要作者 Leah Medeiros 在一份新闻稿中说。

当黑洞落入引力奇点时，PRIMO 缩小并锐化了 EHT 对围绕黑洞旋转的热物质环的看法。 Medeiros 解释说，这让他不仅仅是一张更漂亮的照片。

“由于我们无法仔细研究黑洞，图像的细节在我们理解它们行为的能力中起着重要作用，”她说。 “图像中环的宽度现在大约小了两倍，这将对我们的理论模型和重力测试产生很大的限制。”

由 Medeiros 和她的同事开发的技术——被称为 主成分干涉测量建模，或简称 PRIMO – 分析训练图像的大型数据集，以找出填充缺失数据的最佳方法。 这类似于人工智能研究人员过去分析路德维希·冯·贝多芬音乐作品的方式 为作曲家未完成的第十交响曲制作乐谱.

数以万计的模拟 EHT 图像已被输入 PRIMO 模型，涵盖了 M87 黑洞中旋转气体的各种结构模式。 提供最适合可用数据的模拟被组合在一起，以产生缺失数据的高保真重建。 然后对生成的图像进行重新处理，以匹配 EHT 的实际最大分辨率。

研究人员表示，新图像应该可以更准确地确定 M87 黑洞的质量及其事件视界和吸积环的范围。 反过来，这些决定可能会导致对有关黑洞和引力的替代理论进行更强有力的检验。

M87 更清晰的画面仅仅是个开始。 PRIMO 还可用于锐化事件视界望远镜对人马座 A*（我们中心的超大质量黑洞）的模糊视图。[{” attribute=””>Milky Way galaxy. And that’s not all: The machine learning techniques employed by PRIMO could be applied to much more than black holes. “This could have important implications for interferometry, which plays a role in fields from exoplanets to medicine,” Medeiros said.

Adapted from an article originally published on Universe Today.

Reference: “The Image of the M87 Black Hole Reconstructed with PRIMO” by Lia Medeiros, Dimitrios Psaltis, Tod R. Lauer and Feryal Özel3, 13 April 2023, The Astrophysical Journal Letters.
DOI: 10.3847/2041-8213/acc32d