案例研究：首張黑洞影像

為 M87 黑洞成像就像試圖看見根據定義不可能看見的東西。

—Katie Bouman，加州理工學院計算與數學科學助理教授

地球尺寸的望遠鏡#

事件視界望遠鏡 (EHT) 是由八座地面無線電望遠鏡組成的陣列，形成地球尺寸的計算望遠鏡，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稱為超長基線干涉技術 (VLBI) 的技術，具有角解析度 20 微角秒 — 足以從巴黎路邊咖啡館閱讀紐約的報紙！

主要目標與成果#

• 宇宙的新視野： EHT 突破性影像的基礎在 100 年前奠定，當時 亞瑟·愛丁頓爵士 為愛因斯坦的廣義相對論提供了首次觀測支持。

• 黑洞： EHT 對準了一個超大質量黑洞，它距離地球約 5500 萬光年，位於室女座星系團中梅西爾 87 星系 (M87) 的中心。它的質量是太陽的 65 億倍。它已經被研究了 100 多年，但從未有人親眼觀測到黑洞。

• 比較觀測與理論： 根據愛因斯坦的廣義相對論，科學家們預期會發現一個陰影狀區域，這是由重力彎曲和光線捕獲造成的。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、大的記錄頻寬，以及廣泛不同且地理位置分散的望遠鏡。

• 資訊過多

  EHT 每天產生超過 350 TB 的觀測資料，這些資料儲存在充氦硬碟上。減少如此龐大資料的體積和複雜性非常困難。

• 進入未知

  當目標是看見前所未見的事物時，科學家如何確信影像的正確性？

NumPy 的角色#

如果資料有問題怎麼辦？或者，如果演算法過於依賴特定假設怎麼辦？如果單一參數改變，影像會劇烈改變嗎？

EHT 合作組織透過讓獨立團隊評估資料來應對這些挑戰，他們使用了既有的和尖端的影像重建技術。當結果證明一致時，它們被組合起來，產生了首張黑洞影像。

他們的工作說明了科學 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 套件提供了用於模擬和對 VLBI 資料執行影像重建的工具。如下面的部分軟體依賴圖表所示，NumPy 是此套件中使用的陣列資料處理的核心。

除了 NumPy 之外，許多其他套件，例如 SciPy 和 Pandas，也是黑洞成像資料處理流程的一部分。標準天文檔案格式和時間/坐標轉換由 Astropy 處理，而 Matplotlib 則用於在整個分析流程中視覺化資料，包括生成黑洞的最終影像。

總結#

NumPy 核心功能的高效且可適應的 n 維陣列使研究人員能夠操作大型數值資料集，為首張黑洞影像奠定了基礎。這是科學領域的里程碑時刻，它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，還包含 200 多位科學家和一些世界頂級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，在現有的天文模型基礎上進行改進，有助於解開宇宙的奧秘。