案例研究：首张黑洞照片

拍摄M87黑洞的图像就像试图观察一个定义上不可能被观察到的东西。

——凯蒂·鲍曼，*加州理工学院计算与数学科学助理教授*

一个地球大小的望远镜#

事件视界望远镜 (EHT)是由八个地面射电望远镜组成的阵列，形成一个地球大小的计算望远镜，以史无前例的灵敏度和分辨率研究宇宙。这个巨大的虚拟望远镜使用一种称为甚长基线干涉测量 (VLBI) 的技术，其角分辨率为20微角秒——足够从巴黎街边的咖啡馆阅读纽约的报纸！

主要目标和成果#

• 宇宙的新视角：EHT突破性图像的基础工作早在100年前就由亚瑟·爱丁顿爵士奠定，他首次通过观测支持了爱因斯坦的广义相对论。

• 黑洞：EHT的目标是一个超大质量黑洞，距离地球约5500万光年，位于室女座星系团中梅西耶87星系 (M87) 的中心。它的质量是太阳的65亿倍。它已被研究了超过100年，但在此之前从未被视觉观测到。

• 将观测结果与理论进行比较：根据爱因斯坦的广义相对论，科学家们预计会发现由光的引力弯曲和捕获引起的阴影区域。科学家们可以用它来测量黑洞的巨大质量。

挑战#

• 计算规模

  EHT带来了巨大的数据处理挑战，包括快速的大气相位波动、大的记录带宽以及差异很大且地理位置分散的望远镜。

• 信息过载

  EHT每天生成超过350TB的观测数据，存储在充满氦气的硬盘上。减少如此大量数据的体积和复杂性极其困难。

• 进入未知领域

  当目标是观察前所未见的事物时，科学家如何才能确信图像的正确性？

NumPy的作用#

如果数据有问题怎么办？或者某个算法过于依赖某个特定假设。如果更改单个参数，图像会发生巨大变化吗？

EHT合作团队通过让独立团队使用既定的和尖端成像重建技术评估数据来应对这些挑战。当结果证明一致时，它们被组合起来，产生了第一个黑洞图像。

他们的工作说明了科学Python生态系统通过协作数据分析推动科学进步的作用。

例如，eht-imaging Python包提供了用于模拟和对VLBI数据进行图像重建的工具。NumPy是此包中使用的数组数据处理的核心，如下图所示的部分软件依赖关系图。

除了NumPy之外，许多其他包，例如SciPy和Pandas，也是黑洞成像数据处理流程的一部分。Astropy处理标准的天文文件格式和时间/坐标转换，而Matplotlib则用于可视化整个分析流程中的数据，包括生成最终的黑洞图像。

总结#

NumPy的核心功能——高效且适应性强的n维数组，使研究人员能够操作大型数值数据集，为有史以来第一张黑洞图像奠定了基础。这是科学史上的一个里程碑时刻，它提供了爱因斯坦理论的惊人视觉证据。这项成就不仅包含技术突破，还包括200多名科学家和一些世界一流的射电天文台之间的国际合作。创新的算法和数据处理技术改进了现有的天文模型，帮助揭开了宇宙的奥秘。