当科学家们在 2019 年公布了有史以来第一张黑洞图像时，全世界都欣喜若狂，显示了梅西耶 87 星系中心的巨大黑洞。现在，该图像已使用机器学习技术进行了改进和锐化。这种方法称为 PRIMO 或主成分干涉建模，由参与拍摄黑洞照片的原始事件视界望远镜项目的一些研究人员开发。
该图像结合了来自全球七台射电望远镜的数据，这些望远镜协同工作形成了一个虚拟的地球大小的阵列。虽然这种方法对于看到位于 5500 万光年外的如此遥远的物体非常有效，但这确实意味着原始数据中存在一些差距。新的机器学习方法已被用来填补这些空白，从而获得更清晰、更精确的最终图像。
“通过我们新的机器学习技术 PRIMO，我们能够实现当前阵列的最大分辨率，”该研究的主要作者、高级研究所的 Lia Medeiros 在一份声明中说。 “由于我们无法近距离研究黑洞，因此图像中的细节对我们理解其行为的能力起着至关重要的作用。图像中环的宽度现在缩小了大约两倍，这将对我们的理论模型和引力测试产生强大的约束。”
PRIMO 使用数以万计的示例图像进行训练，这些图像是通过模拟气体吸积到黑洞上而创建的。通过分析这些图案模拟产生的图片，PRIMO 能够改进 EHT 图像的数据。计划是相同的技术也可用于 EHT 合作的未来观测。
“PRIMO 是一种新方法，可以解决从 EHT 观测构建图像这一艰巨任务，”另一位研究人员、NSF NOIRLab 的 Tod Lauer 说。 “它提供了一种方法来补偿关于被观察物体的缺失信息，这是生成使用地球大小的单个巨型射电望远镜所看到的图像所必需的。”
2022 年，EHT 合作团队在其拍摄的 M87 黑洞图像之后拍摄了一张令人惊叹的银河系中心黑洞图像，因此该图像可能成为使用该技术进行锐化的下一个目标。
“2019 年的形象只是一个开始，”Medeiros 说。 “如果一张图片值一千个字，那么该图片背后的数据就有更多的故事要讲。 PRIMO 将继续成为提取此类见解的重要工具。”
该研究发表在《天体物理学杂志快报》上。