(资料图)

·基于机器学习的分支字典学习方法，美国国家科学基金会国家光学红外天文研究实验室研究人员提供了一种弥补被观测物体信息缺失的方法，让人类首张黑洞照片更清晰。这一技术还可以应用于银河系中心黑洞人马座A*的观测。

人类首张黑洞照片被AI提升至高清画质。(01:49)

4年前，人类史上首张黑洞照片问世；4年后，AI让第一张黑洞照片更清晰。

最近，美国国家科学基金会的国家光学红外天文研究实验室（NOIRLab）研究人员将人工智能技术应用于人类第一张黑洞图像，更清晰地展示气体如何旋入超大质量黑洞。相关论文4月13日发表在《天体物理学杂志快报》上。

当气体接近黑洞时，由于摩擦，它会快速旋转并过热，从而释放出射电望远镜可以探测到的辐射。人类第一张黑洞照片拍摄的是代号为M87的超巨椭圆星系中心黑洞，它的质量是太阳的65亿倍，距离我们5500万光年。2017年，“事件视界望远镜”（Event Horizon Telescope，EHT）合作项目捕捉到后，经历大约两年的数据处理及理论分析，这张像甜甜圈的照片才成功“冲洗”出来，2019年4月10日正式面世。

PRIMO基于机器学习的分支——字典学习，提供了一种弥补被观测物体信息缺失的方法。

现在，针对人类首张黑洞照片，研究人员创建出了更加清晰而保真的黑洞图像。他们使用了EHT在2017年获得的原始数据，利用主成分干涉测量建模机器学习系统（PRIMO），在计算机上分析了3万多张图像，每张单独的图像都显示了黑洞吸积过程。然后将结果混合，提供EHT观测的高度准确表达，同时提供图像缺失结构的高保真预测。

PRIMO基于机器学习的分支——字典学习（Dictionary Learning）方法，通过向计算机展示数千个例子来教会它们某些规则。这种类型的机器学习能力已经在许多方面得到了证明，包括创造文艺复兴风格的艺术作品、完成贝多芬未完成的作品。PRIMO提供了一种弥补被观测物体信息缺失的方法。研究人员证实，新的黑洞图像与EHT的数据和理论预期一致，包括预计将由落入黑洞的高温气体产生的明亮环状辐射。

美国国家光学红外天文研究实验室表示，新图像能更准确地确定M87黑洞的质量以及决定它目前外观的物理参数。论文第一作者利亚·梅代罗斯（Lia Medeiros）说，由于人类无法近距离研究黑洞，图像中的细节对于人类理解黑洞行为起着关键作用。“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重力测试构成强大约束。”PRIMO还可以应用于EHT的其他观测，包括银河系中心黑洞人马座A*。