案例研究：第一張黑洞影像

對 M87 黑洞進行影像處理就像嘗試觀測一個定義上不可能觀測到的東西。

—凱蒂·鮑曼，加州理工學院計算與數學科學助理教授

一個地球大小的望遠鏡#

事件視界望遠鏡 (EHT) 是由八架地面無線電望遠鏡組成的陣列，形成一個地球大小的計算望遠鏡，以空前的靈敏度和解析度研究宇宙。這個巨大的虛擬望遠鏡使用一種稱為甚長基線干涉 (VLBI) 的技術，具有 20 微角秒 的角解析度——足夠從巴黎的人行道咖啡廳讀到紐約的報紙！

主要目標和成果#

• 宇宙的新視角：EHT 突破性影像的基礎奠定於 100 年前，當時 亞瑟·愛丁頓爵士 首次提供了愛因斯坦廣義相對論的觀測支持。

• 黑洞：EHT 對準了一個距離地球約 5500 萬光年的超大質量黑洞，位於室女座星系團中 M87 星系的中心。它的質量是太陽的 65 億倍。它已經被研究了 100 多年，但從未有人目視觀察過黑洞。

• 將觀測結果與理論進行比較：根據愛因斯坦的廣義相對論，科學家預期會發現一個由重力彎曲和光線捕獲造成的影子狀區域。科學家可以使用它來測量黑洞的巨大質量。

挑戰#

• 計算規模

  EHT 帶來了巨大的資料處理挑戰，包括快速的大氣相位波動、巨大的記錄頻寬，以及相距甚遠、地理位置分散的望遠鏡。

• 過多的資訊

  EHT 每天會產生超過 350 TB 的觀測資料，儲存在充滿氦氣的硬碟中。要減少如此龐大資料的體積和複雜度非常困難。

• 進入未知領域

  當目標是要看到前所未見的事物時，科學家如何能確信影像正確無誤？

NumPy 的角色#

如果資料有問題怎麼辦？或者某個演算法過度依賴某個特定假設呢？如果只變更一個參數，影像會大幅改變嗎？

EHT 合作組織透過讓獨立的團隊評估資料，使用既有的和尖端的影像重建技術，來因應這些挑戰。當結果證明一致時，會將它們結合起來，產生第一張黑洞影像。

他們的成果說明了科學 Python 生態系統在透過協作資料分析推進科學方面所扮演的角色。

例如，eht-imaging Python 套件提供用於模擬和執行 VLBI 資料影像重建的工具。NumPy 是這個套件中用於陣列資料處理的核心，如下方的部分軟體相依性圖表所示。

除了 NumPy 之外，還有許多其他套件，例如 SciPy 和 Pandas，是黑洞影像資料處理管線的一部分。標準的天文檔案格式和時間/座標轉換是由 Astropy 處理，而 Matplotlib 則用於在整個分析管線中視覺化資料，包括產生黑洞的最終影像。

摘要#

NumPy 的核心功能是高效且適應性強的 n 維陣列，讓研究人員能夠處理大型數值資料集，為第一張黑洞影像奠定基礎。這是科學上的里程碑時刻，為愛因斯坦的理論提供了令人驚嘆的視覺證據。這項成就不僅包含技術突破，還包括 200 多位科學家和世界上一些最好的無線電天文台之間的國際合作。創新的演算法和資料處理技術，改進現有的天文模型，幫助揭開宇宙的奧秘。