科技日报记者 张佳欣
人类首张黑洞照片就仿佛一个“模糊的橙色甜甜圈”，但在机器学习的帮助下，这一来自M87星系中心的黑洞正式“改头换面”。新图像进一步展示了一个更大、更暗的中心区域，周围环绕着明亮的吸积气体。美国研究团队使用了在2017年联网观测的“事件视界望远镜”（EHT）合作组织获得的数据，首次实现了阵列的全分辨率。相关论文已发表在《天体物理学杂志快报》上。
最初由EHT合作组织于2019年拍摄的M87超大质量黑洞（左）；和使用相同数据集的PRIMO算法生成的新图像（右）。
图片来源：EHT小组成员莉亚·梅德罗斯等人/普林斯顿高级研究所
2017年，集结了地球上8台无线电波望远镜的EHT成功拍摄到了M87超大质量黑洞的影子。然而，数据中出现了缺口，就像拼图游戏中缺失的碎片。
普林斯顿大学EHT小组成员表示，利用新机器学习技术PRIMO，他们能够实现当前阵列的最大分辨率。PRIMO能够根据大量训练材料生成规则。例如，如果向计算机提供一系列不同的香蕉图像，经过充分的训练，它能确定一张未知的图像是不是香蕉。
研究小组表示，利用PRIMO，计算机分析了3万多张黑洞吸积气体的高保真模拟图像。这些图集涵盖了黑洞如何吸积物质的广泛模型，以便寻找图像结构中的共同模式。各种结构模式根据它们在模拟中出现的频率进行分类，进而混合，以高度准确地显示黑洞图像，同时，还提供对图像缺失结构的高保真估计。
PRIMO算法使用2017年EHT数据生成的M87超大质量黑洞新图像。
图片来源：EHT小组成员莉亚·梅德罗斯等人/普林斯顿高级研究所
该团队表示，新绘制的图像与EHT数据和理论预期是一致的。生成图像需要假设缺失信息的适当形式，而PRIMO也做到了这一点。