乐趣区

关于机器学习: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)」寰球钻研团队公布了人类历史上第一张黑洞照片,受限于过后的观测条件,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》上公布了一篇基于 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) 是古代狭义相对论中,存在于宇宙空间中的一种天体。它的引力极其弱小,使得视界内的逃逸速度大于光速,因而被称为黑洞。M87 黑洞是一个间隔地球 5500 万光年之遥的宏大天体,它的品质约为太阳的 65 亿倍。

2019 年,事件视界望远镜 (Event Horizon Telescope,简称 EHT) 寰球钻研团队正式公布人类捕捉的首张黑洞照片——M87 黑洞照片。这是人类首次目击黑洞的实在风貌,使得 M87 黑洞在寰球一夜间「爆红」。然而,因为观测条件的限度,第一张黑洞图像只能呈现出一个模糊不清的轮廓。

近期,来自普林斯顿低等研究院 (Institute for Advanced Study) 的钻研人员利用超 30,000 张高分辨率模仿黑洞图像来训练 PRIMO (principal-component interferometric modeling) 算法 ,学习黑洞四周的光线流传法则,从而重建出更高质量、更清晰的黑洞图像。PRIMO 使得科学家们可能更加深刻地钻研黑洞、理解它们的性质和特色,同时也提供了一种新型的数据处理伎俩,为将来天文学和物理学的倒退带来了微小的后劲。 目前该钻研已公布在《The Astrophysical Journal Letters》期刊上,题目为「The Image of the M87 Black Hole Reconstructed with PRIMO」。

该成绩已公布在《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,胜利拍摄到了 M87 黑洞照片,照片显示 M87 长得像个「甜甜圈」,里面一圈亮环,围绕着两头的暗影。

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:利用 PRIMO 算法对 2017 年 M87 数据进行重建的后果。

右:将 PRIMO 图像含糊至 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放大了一倍,两头也暴露出一个更大、更暗的区域,更像是一个「金戒指」。这阐明,钻研人员胜利进步了黑洞图像的分辨率,并且该图像与 EHT 数据和实践预期统一。对此,本论文一作 Lia Medeiros 示意,「这项研究进展对于深刻了解黑洞行为以及进行实践模型验证和引力测试具备重要意义。」

试验过程

过程概述

钻研人员将 EHT 在 2017 年 4 月 5 日、6 日、10 日 和 11 日对 M87 黑洞的观测数据,作为本项钻研的训练集,这些察看数据来源于 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。

本试验中,钻研人员次要应用一种新鲜的图像重建算法——PRIMO 来重建黑洞图像。 首先,钻研人员应用狭义相对论磁流体力学 (GRMHD) 模仿生成大量对于黑洞的仿真图像。接着应用 主成分剖析 (PCA) 在 GRMHD 模仿图像库中,取得一组稠密正交基 (orthogonal basis),这也是字典学习 (dictionary learning) 的一个用例。最初,利用 PCA 根底和 PRIMO 算法从稠密干预数据中重构图像。

  • GRMHD: 狭义相对论磁流体力学 (General Relativistic Magnetohydrodynamics,简称 GRMHD) 是一种将狭义相对论和磁流体力学相结合的实践框架,用于形容高速静止和强磁场条件下的物质和能量的行为。GRMHD 的利用范畴十分宽泛,特地实用于钻研和模仿一些极其物理现象, 如黑洞四周的等离子体流、星际空间中的磁流体行为以及星系和星系团的造成和演变等。通过 GRMHD 模仿,能够钻研黑洞的吸积过程、喷流的产生以及星系中恒星造成的机制等重要问题。
  • PCA: 主成分剖析 (Principal components analysis,简称 PCA) 是一种用于统计分析和简化数据集的办法。它通过正交变换将可能相干的变量观测值转化为一组线性不相干的变量值,这些不相干的变量被称为主成分。通过利用 PCA,钻研人员能够将简单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畛域具备宽泛的利用。 通过应用 PCA,钻研人员能够更好地了解数据,并将其转化为更易解释和应用的模式,从而发现数据中暗藏的信息和关系。
  • PRIMO: PRIMO (principal-component interferometric modeling) 是一种基于字典学习的新型算法,它的外围在于主成分干预建模技术,通过对大量模仿黑洞图像进行训练,使钻研人员可能在无线电波望远镜稠密笼罩的状况下复原高保真图像,并达到 EHT 阵列的物理分辨率,应答毫米波干预测量中的数据 稠密性 问题。

参数钻研

钻研人员在本试验中进行了参数钻研,参数钻研是指对某个零碎或模型中的参数进行变动和调整,以便察看和了解参数对系统行为和后果的影响。通过此钻研,钻研人员能够摸索参数对试验过程中的各种变量和输入后果的影响水平,以及参数之间的互相关系。

钻研人员将 M87 基准 PRIMO 图像的紧凑源总通量设置为 0.6Jy,并应用 20 个 PCA 重量的线性组合重建图像。而在参数钻研中,钻研人员将基准图像与应用不同总紧凑源通量和不同 PCA 重量取得的图像进行了比拟,用来察看图像特色变动,比方环的大小、亮度及最亮处地位角度等。后果如下图所示:

图 2:基准图像和不同通量、PCA 重量图像比拟

上:总通量别离为 0.5、0.6 和 0.7Jy 的最大后验 PRIMO 图像比拟。

中:仅应用 12、14 和 18 个 PCA 重量的最大后验图像的比拟。

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 重量。

图中能够看到,不同的总压缩源通量和不同数量的 PCA 重量不同,会造成环最亮处的亮度及地位角度呈现差别。 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 数据重建图像的比拟。

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

图中能够看到,环最亮处地位角度、环南部最亮等特色在不同日期中略有变动,并且比拟前两天和后两天图像,也可显著看到环最亮局部地位角度和光环亮度的差别,对此,钻研人员认为这是因为察看的源构造 (source structure),即黑洞四周物质的散布和排列形式不同。

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,起源 YouTube,为辅助大家了解原文减少了 机器翻译 的中英字幕

采访中,Lia Medeiros 称,实践上观测黑洞的望远镜应该有地球那么大,但因为事实起因,人类无奈造出如此微小的望远镜,于是便有了 EHT 阵列,其由寰球各地的多台射电望远镜组成, 利用一种名为 interferometry 的技术,造成一个口径相当于地球直径的虚构望远镜来观测黑洞。

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色彩是人类肉眼不可见的,所以无奈向大家展现真正的色彩,而钻研人员之所以抉择橙色来示意,是因为这种色彩具备美感。并且,该光线并不来自黑洞自身,而是由盘绕在黑洞四周的物质散发进去的。

本文首发自 HyperAI 超神经微信公众平台~

—— 完 ——

退出移动版