人工智慧或幫助宇宙科學家生成第一張黑洞圖像

來自麻省理工學院計算機與人工智慧實驗室和哈佛大學的研究人員們，近期開發出了一種新的演算法，它或許能夠幫助宇宙科學家生成第一張黑洞圖像。

來自麻省理工學院計算機與人工智慧實驗室和哈佛大學的研究人員們，近期開發出了一種新的演算法，它或許能夠幫助宇宙學家們生成第一張黑洞圖像。

在 Event Horizon Telescope 國際聯合會的支持下，該演算法能夠將全球的無線電天文望遠鏡所收集到的信息串聯在一起。而這一項目的最終目標，將是把整個星球變成一個大型無線電望遠鏡的拋物反射面。

「無線電波有許多有利之處，」Katie Bouman 說，他是麻省理工學院電子工程和計算機的研究生，並領導著這一演算法的開發。「就像無線電波頻能夠穿牆而過一樣，它們也能夠穿過星塵。而使用可見光波段，我們永遠都看不到我們星系的中心，因為有太多的物質阻擋在其中了。」

但是，因為無線電波屬於長波，它們同樣需要拋物面天線。目前世上最大的單個拋物面無線電望遠鏡，直徑長達 1,000 英尺，但是它所生成的月球圖像，卻比普通的光學望遠鏡還要模糊。

「黑洞距離我們非常、非常遙遠，而且其內部很複雜，」Bouman 說。「這基本上相當於你在月球上用無心電望遠鏡觀察地球上的一個柚子。如果要得到清晰的成像，我們需要直徑達 10,000 千米的望遠鏡，這是不可能的，因為地球的直徑甚至都不到 13,000 千米。」

對此，Event Horizon Telescope 採用的解決方法是，將全球不同地點的無線電望遠鏡收集到的信息整合在一起。目前，已經有六個天文台加入此項目，將來還會有更多的成員。

但是，即使望遠鏡的數量有現在的兩倍之多，與 10,000 千米直徑的拋物面望遠鏡相比，仍舊有很大的數據量的不足，而這就是 Bouman 的演算法派上用場的地方。

Bouman 將這一新演算法稱作 CHIRP，也就是「使用圖像塊優先的連續高解析度圖像還原」（Continuous High-resolution Image Reconstruction using Patch priors）的縮寫。在今年六月的的 CVPR（Computer Vision and Pattern Recognition conference）會議上，她將對此進行展示。她的導師、電子工程與計算機教授 Bill Freeman，麻省理工學院 Haystack 天文台的同事，以及來自哈佛 Smithsonian 天文物理中心的 Sheperd Doeleman 也將隨她一同參會。Sheperd 同事也是 Event Horizon Telescope 項目的導師。

潛在的信號延遲

Event Horizon Telescope 使用一種叫做干擾量度法（interferometry）的技術，它將望遠鏡檢測到的信號結合在一起，從而使信號互相干擾。事實上，CHIRP 能夠被應用與任何使用無線電干擾量度法的圖像系統。

通常，一個天文信號到達兩個望遠鏡的時間是略有不同的。在從信號中提取視覺信息時，考慮到這一不同是十分重要的，但是地球的大氣層同時又會減緩無線電波的速度，使得信號到達的時差更大，這往往使干擾量度法成像的演算法失效。

對此，Bouman 採用了一種非常機智的代數解決方法：如果將三台王元新的測量結果相乘，那麼因大氣層噪音產生的額外信號延遲將會互相抵消。這意味著，每一個新的測量都需要三台望遠鏡同時接收，而不是兩個，但是準確性的提升也彌補了信息的缺失。

保持連續性

即使過濾掉大氣層噪音干擾，僅依靠全球幾台望遠鏡所獲得的測量信息，仍舊十分稀少；任何數量的可能圖像都能夠同樣好地吻合相關數據。所以，下一步是，合成一張既符合數據描述、又與人們對圖像的預期相吻合的圖片。Bouman 和她的同事們在這一方面也做出了許多的努力。

用來解釋天文干擾量度數據的傳統演算法，往往將一張圖片視為不同光點的結合，然後尋找其亮度和位置與數據最吻合的那些點。接著，演算法會將像臨近的光點霧化，以使圖像看起來更具有連續性。為了生成更可靠的圖像，CHIRP 使用的模型更加複雜一些，但在數學上仍舊是可操作的。你可以將其想像成一塊放有等距圓錐的橡膠板，它們的高度有所不同，但是基底的直徑都是一樣的。

要想使模型與干擾度量數據相吻合，需要調整的即是圓錐的高度。對於非常遠的空間，圓錐的高度就可能為零，也就是一個平面。將模型轉化為視覺圖像的過程，就像在圓錐上纏繞塑料保鮮膜：錐頂與錐頂之間牽拉著塑料膜，而到達與平面相鄰的圓錐時，塑料膜會沿著斜面向下延伸。塑料膜的高度代表的即是圖像的亮度，而因為高度在不斷的變化之中，這一模型能夠展現出圖像亮度的自然變化。

當然，Bouman 的圓錐們是數學抽象後的，而塑料膜則是虛擬的「膜」，其高度由計算給出。而且，事實上，樣條函數（splines）所產生的平滑曲線，往往比圓錐形生成的模型更好。但是其基本思路是一樣的。

先驗知識

最終，Bouman 使用了一個機器學習演算法，來識別經常在真實圖像里的 64 位像素塊中反覆出現的視覺模式。她還進一步使用這些特徵，來改進圖像的還原。在不同的實驗中，她從天文學圖片和地表照片中分別提取圖像塊，但對訓練數據的選擇並不影響最終的還原結果。

Bouman 構建了一個龐大的人造天文圖像資料庫，其包含這些圖片在不同望遠鏡中可能生成的測量結果，並考慮了大氣層噪音的隨機變化、望遠鏡內部的熱力學噪音、以及其它噪音的影響。因此，她的演算法比之前用於從測量數據中還原圖像的演算法要更加準確，並能更好地處理噪音的問題。她還將她使用的測試數據公開，使得其他研究人員也能使用。

關於 Event Horizon Telescope 這一項目，以色列理工學院的電氣工程教授 Yoav Schechner 說，「以往，少量可用數據無法滿足對圖像還原質量的高要求，而這項研究通過多種方式來克服這一難題：對感知過程的謹慎建模、對先驗圖像模型的有效改良、以及能幫助未來研究人員測試新方法的工具。」

「假設你需要一個關於棒球的高解析度視頻，」Schechner 解釋到，「球體運動軌跡的自然規律是某一個球的運動軌道的先驗知識。本質上，先驗知識限制了我們找到的未知事物。因此，我們僅需要十分稀疏的數據，就能夠確定一個球在時空中的確切狀態。」

「這篇論文的作者們，使用了一種十分先進的方法來學習先驗知識，」他說，「這項應用在事件視界圖像的先驗模型方法是非常重要的。作者們十分勤奮，並勇於承擔風險。他們從數學上深入探討了單個優化設計問題、繁雜的感知過程、以及基於學習的圖像先驗模型。」

請您繼續閱讀更多來自 機器之心 的精彩文章:

※微軟人工智慧首席科學家鄧力宣布離職，新身份是一家對沖基金的人工智慧官
※科學家：讓人工智慧幫助我們尋找外星人
※從洗衣妹到谷歌人工智慧首席科學家，這個華裔女科學家成全美偶像
※科學家：讓人工智慧幫助我們尋找外星人？
※谷歌雲首席科學家李飛飛：一堂人工智慧公開課
※美科學家利用人工智慧射電望遠鏡捕捉黑洞圖片
※科學家宇宙探險源於科幻小說？
※科學家利用人工智慧射電望遠鏡捕捉黑洞圖片！
※中國科學家用仿生方法成功合成人工珍珠母
※科學家如何利用人工智慧尋找外星人？
※科學家攜人工智慧研究癌症耐藥性
※黑洞究竟長啥樣？科學家試圖合成首張黑洞圖像！
※宇宙文明：科學家能讓器官再生
※科學家大膽猜想，黑洞可能是外星人的宇宙飛船！
※一沙窺宇宙！科學家從晶體缺陷探視宇宙構造！
※人類和機器人互補：人工智慧或將成為科學家重要幫手
※從清潔工到斯坦福，人工智慧女神科學家李飛飛的逆襲之路
※外星人的二向箔武器怎樣摧毀人類？科學家：整個宇宙被壓成一張紙
※宇宙奇觀眾生之柱高清圖曝光 神秘景象嚇壞科學家