案例研究：首张黑洞图像

对 M87 黑洞进行成像就像试图看到一个本质上无法看到的东西。

— Katie Bouman，加州理工学院计算与数学科学助理教授

地球大小的望远镜#

事件视界望远镜 (EHT) 由八个地面射电望远镜组成，形成了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了一种名为甚长基线干涉测量 (VLBI) 的技术，其角分辨率为 20 微角秒——这足以让人从巴黎的街头咖啡馆阅读纽约的报纸！

关键目标和成果#

• 宇宙的新视野：EHT 突破性图像的基础是在 100 年前奠定的，当时 亚瑟·爱丁顿爵士 首次对爱因斯坦的广义相对论进行了观测支持。

• 黑洞：EHT 针对的是距离地球大约 5500 万光年的超大质量黑洞，位于室女座星系团中星系 M87（Messier 87）的中心。它的质量是太阳的 65 亿倍。它已经被 研究了 100 多年，但此前从未被直接观测到。

• 比较观测结果和理论：根据爱因斯坦的广义相对论，科学家预计会发现一个由引力弯曲和光线捕获引起的阴影状区域。科学家可以利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、大记录带宽以及地理位置分散且差异很大的望远镜。

• 信息过多

  EHT 每天生成超过 350 太字节的观测数据，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非常困难。

• 未知领域

  当目标是看到从未见过的东西时，科学家如何才能确信图像正确？

NumPy 的作用#

如果数据有问题怎么办？或者算法是否过于依赖某个特定假设？如果更改单个参数，图像会发生很大变化吗？

EHT 合作组织通过让独立团队使用既有和尖端的图像重建技术对数据进行评估来应对这些挑战。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 数据执行图像重建的工具。NumPy 是该软件包中使用的数组数据处理的核心，如下面的部分软件依赖关系图所示。

除了 NumPy 之外，许多其他软件包，如 SciPy 和 Pandas，也是黑洞成像数据处理流程的一部分。标准天文文件格式和时间/坐标转换由 Astropy 处理，而 Matplotlib 用于在整个分析流程中可视化数据，包括生成最终黑洞图像。

总结#

高效且可适应的 n 维数组是 NumPy 的核心功能，它使研究人员能够操作大型数值数据集，为首张黑洞图像奠定了基础。这是科学史上的一个里程碑，它提供了爱因斯坦理论的惊人视觉证据。这一成就不仅包括技术突破，还包括 200 多名科学家以及世界上一些最好的射电天文台之间的国际合作。创新算法和数据处理技术对现有天文模型进行了改进，帮助揭开了宇宙的奥秘。