黑洞番外篇：黑洞是怎麼發現的，黑洞的照片又是如何拍出來的

關於黑洞的誕生及消亡，前面的兩篇文章進行了詳細的展開。

但是有許多朋友都不相信黑洞真的存在，認為黑洞只是科幻小說裡的故事。

這一篇就黑洞是怎麼被發現，用什麼技術發現的，做一個詳細介紹。

從1916愛因斯坦提出黑洞理論，到2019年拍攝到的第一張黑洞照片，其間用了103年的時間。

那麼黑洞是用什麼技術發現的呢？

它用的是計算成像技術。

是不是不太明白，沒關係，我們仔細觀察下面兩張圖，找一下，哪一張是真人拍的？

猜對了沒有，我來公佈答案，男生是真人拍的。

難道女生不是真人拍的嗎？

是的，女生不是真人拍的，女生是用深度生成模型生成的人臉照片，就是上面提到的計算成像技術。

現在是不是對計算成像技術，有了一個直觀的瞭解了。

計算成像技術是何方神聖，竟能讓黑洞現出真容。

計算成像技術是利用所得到的大資料，整合成一個深度生成模型，然後給這個生成模型進行隨機初始化，就能夠生成一張我們想要的影象。

比如上面圖片裡的女生，她的影象便是深度生成模型的結果，如下圖：

這張圖片裡面，白噪聲 指的是：一種功率譜密度為常數的隨機訊號或隨機過程。

神經網路一般指的就是機器學習。

當然，這都不重要。

我們只要知道，透過採集到的資料就能生成符合事實的影象就可以了。

不僅黑洞的圖片是這樣出來的，即使在我們的日常生活中，計算成像應用也很廣泛。

比如，磁共振成像。磁共振成像是一種非常先進的醫療裝置，由於它沒有輻射、靈敏度非常高，是很多疾病診斷的首選。

另外，在生物醫學成像中，計算成像應用範圍也非常廣。

比如在瞭解記憶產生的機制時，也需要在人體尺度，用醫療成像儀器對腦結構進行成像。

這時，你肯定會有這樣的疑惑，地球上的資料好拿，但黑洞離我們那麼遠，它的資料是怎麼弄回來的。

是

的

，給黑洞拍照肯定不是一件容易的事，而成像的這個黑洞，它坐落在距離我們2。7萬光年的銀河系正

中心。

既然光都要跑2。7萬年，那黑洞的資料又是怎麼拿到的，難道它會自己送過來嗎？

是這樣的，因為光無法逃離黑洞，所以黑洞是無法直接觀測的。

但是，光經過黑洞會發生扭曲，可以透過觀測發生扭曲的光來判斷是不是黑洞。

然後透過宇宙的引力透鏡放大效應，科學家就可以把普通的天文望遠鏡，變成黑洞專屬望遠鏡了。

給黑洞拍照的是一個超級相機，叫作“事件視界望遠鏡”。

事件視界望遠鏡不是一個儀器，它是由來自全球80多個科研機構，300多名科研人員，組成的合作組織。

在整個過程中，300多位科研人員分成一個個專業工作組。

有的專業小組負責儀器的研製；

有的專業小組負責理論和建模；

有的專業小組負責現場的觀測還有資料收集；

有的專業小組負責計算成像，簡單來說，主要負責給黑洞洗照片。

為什麼給黑洞拍照這麼難呢？為什麼不能像拍月亮一樣，拿手機去給黑洞拍照呢？

一句話總結就是，地球距離我們想看的銀河系中心的黑洞實在是太遠了。

打個比方，我們在地球觀測銀河系中心，難度大概就相當於，從美國觀測南海里的一粒鹽。

如果要實現高精度的觀測，根據公式計算，需要造一個地球大小口徑的射電望遠鏡才能夠實現。

這當然是不切實際的。

但是，可以利用計算成像技術，把全球的8臺望遠鏡聯合起來，協同拍攝銀河系中心的黑洞，就能夠達到同樣的成像效果。

這就是事件視界望遠鏡的含義。

在2019年，已經用類似的技術做出了黑洞成像，它背後主要科學原理就是“射電干涉技術”，更準確地來說叫作“甚長基線干涉技術”（VLBI）

它的原理是，雖然不能用一個小的望遠鏡來代替大的望遠鏡，但是在射電干涉中，任意兩臺望遠鏡之間的連線，就可以獲得一組對黑洞的觀測資料。

這樣，經過一晚的拍攝，就得到了一系列黑洞的觀測資料。

之後再把這個觀測資料，交給計算機進行資訊處理，就可以最終從資料中提取出一個有關黑洞的影象。

2019年之後的3年，又拍了一張照片，下圖是2019年和2022年的黑洞對比圖。

雖然這兩張照片一張是2019年釋出、一張是2022年釋出的，但對它們的觀測早在2017年就已經完成了。

也就是說，相比於M87黑洞，其實多花了3年時間，才最終把這張銀河系中心黑洞的照片洗出來。

為什麼它比起M87黑洞要難這麼多呢？背後的一個關鍵問題，就是機率成像。

銀河系中心黑洞的質量，僅相當於M87黑洞質量的1/1000，所以它的動態變化是非常快的。

拍照的過程，就像在觀察天氣劇烈變化下的風景。

所以，為了探索所有可能的黑洞影象，從而給出更精準的科學解釋，自然需要花更長的時間來進行研究。

很多之前在給M87黑洞拍攝時洗照片的方法已經不適用了。

那傳統上，是怎麼實現這種黑洞的機率成像呢？

簡單來說就是——猜。

怎麼猜？

用計算機演算法，每一次先提一張可能滿足觀測資料的圖片，然後利用觀測資料驗證。

如果這個圖片靠譜，就收集起來，放到影象集合裡。再提一張照片，如果它不靠譜，就把它扔掉。

重複這個過程，直到找到一系列認為能夠滿足觀測資料的影象的集合。

然後，就得到了一組圖片，可以表示影象的機率分佈，從而能夠精確理解這個影象到底是什麼樣的。

不過，你也應該能感覺出來，這個過程非常慢、計算量非常高。

首先，猜的過程就很麻煩，如果猜完了之後，還要扔掉一系列圖片，那這個過程真的是麻煩到難以想象。

因此，發明一種新的方法，用更快的速度，把黑洞的整個機率影象，都準確地猜出來，是必須要做的？

解決這個問題的“深度生成模型”上場了，這個深度生成模型的厲害之處在於，它可以生成任意符合人類預期的自然影象。

還記得上面那個女生的照片嗎，就是它的傑作。

利用了深度生成模型，只需要一個多小時的訓練時間，就可以獲得傳統演算法，花費幾周甚至更長時間的成像結果。

這就是黑洞成像的來龍去脈，總結成一句話就是：

用收集到

的大資料透過機器學習生成照片。

黑洞的發現也驗證了愛因斯坦廣義相對論的正確性，使人類對宇宙的探索又邁上了一個小小的臺階。

最後，貼一個動圖，有興趣的朋友可以開啟看看黑洞的具體位置。

開啟百度App

全文結束，歡迎交流討論！