2019 年，事件视界望远镜（EHT）合作组织公布了人类历史上第一张直接拍摄的黑洞照片。这张照片展示了距离地球 5500 万光年、质量相当于 65 亿个太阳的 M87 星系中心的超级大质量黑洞。我们看到的是一个模糊的橙色圆环，它是由被加热到极高温度并以接近光速旋转的气体发出的无线电波组成的。圆环中间的黑色区域就是黑洞的事件视界和其阴影。现在这个光环更加清晰了，从模糊甜甜圈变成了细长光环，这是因为一种叫做 PRIMO 的机器学习工具的应用。

模糊的黑洞图像没有展示出 EHT 望远镜阵列的最高分辨率，因为它是由分布在全球不同地点的七个望远镜收集到的数据拼接而成的，数据之间有一些缺失。为了解决这个问题，一支研究团队利用了一种新的机器学习技术，叫做主成分干涉成像模型（PRIMO），来“填补 M87 图像中的空白”，并首次将 EHT 望远镜阵列提升到了最大分辨率。

据了解，PRIMO 技术是通过字典学习（Dictionary Learning）来实现的，它可以让计算机根据大量的训练材料来生成规则。研究团队向 PRIMO 输入了 3 万张高保真度的模拟黑洞图像，涵盖了各种理论预测下黑洞如何吸积物质的情况。PRIMO 通过寻找模式来识别黑洞，并根据它们在模拟中出现的频率进行排序。然后，这些模式就可以结合 EHT 图像来生成一张更高清晰度的 M87 黑洞图像，并揭示出望远镜阵列可能遗漏的结构。

这张经过 PRIMO 处理后的图像与 EHT 数据和理论黑洞模型相符合。这些模型解释说，我们看到的明亮圆环是由于气体受到黑洞强大引力作用而加速到接近光速，并因此被加热并发光，在黑洞无法逃逸光线的边界 —— 事件视界附近旋转。

“在 2019 年 EHT 公布了第一张视界尺度下黑洞图像之后，我们又迈出了一个里程碑，首次产生了利用阵列全部分辨率能力得到的图像”，该项目研究人员 Psaltis 表示，“我们开发的新机器学习技术为我们的集体工作提供了一个了解黑洞物理的黄金机会。”

研究小组成员说，使用 PRIMO 来提高 EHT 图像的分辨率，可以帮助更好地完善对这两个超大质量黑洞特征的估计，包括它们的质量、大小以及它们吞噬物质的速度。新的机器学习技术也可以应用于其他的观测，比如 EHT 在 2022 年拍摄的人马座 A 的图像，这是位于我们银河系中心的超大质量黑洞。

这项新的研究今天（4 月 13 日）在线发表在《天体物理学杂志通讯》上。