刚刚,人类第一次直接“看见”了黑洞

大数据文摘 8月前 ⋅ 78 阅读

在碳基生命历史上,人类刚刚第一次直接“看到“了黑洞。

北京时间 2019 年 4 月 10 日 21 点整,在全球六地(比利时布鲁塞尔、智利圣地亚哥、中国上海和台北、日本东京和美国华盛顿)同时召开新闻发布会上,国际组织事件视界望远镜(EHT)发布了人类首张黑洞照片。

至此,一直“活在传说中”的黑洞终于露出了真容,也昭示着,人类对宇宙的认知边界又被向前推进了一大步。

再来静止、近距离一起看看这张珍贵的照片� �

这可能是全世界最难拍的一张照片了。

为了完成这张特写,科学家们调动了全球从两极到赤道共 8 个天文台的力量进行图片数据拍摄,之后,又有来自全球的 62 家科研机构共同参与了照片的合成。整个项目耗时近三年,可以说是倾“全人类之力”完成的一件壮举。

其实不止三年,人类追寻黑洞的秘密其实早已有之。所以听到“第一张黑洞照片”,一定有不少读者讶异“我好像早就看过黑洞的照片了。“

的确,在电影和记录片中,我们似乎经常可以看到黑洞的图片,但这些图片多是根据一些数据“脑补”出来的。换句话说,是人类想象中黑洞的样子。而对于真正的黑洞,人类始终没有成功获取过它真实的样子。

为什么黑洞这么难拍?

为什么给黑洞拍照这么难呢?

我们可以用一个公式来解释 —— 衍射现象公式。简单来说,我们能看到的最小物体是有限的,你想看到的物体越小,所需的望远镜就需要越大。

如果你对天文稍有了解,就应该知道黑洞质量非常之大,而且距离地球也非常遥远。就拿这次拍摄的黑洞来说吧,第一个观测对象位于人马座方位(因此目标也被命名为 Sgr A*),距离地球 2.6 万光年,相当于 24.6 亿亿千米。

另一个观测对象 M87M87 中心黑洞的质量达到了 60 亿个太阳质量,尽管与地球的距离要比 Sgr A* 与地球之间的距离更远,但因质量庞大,所以它的视界面对我们而言,可能比 Sgr A* 的小不了太多。但是总的来说,观测黑洞的难度,就像让站在地球上的你寻找月球上的一枚硬币一样。

目前,我们人类最强大的光学望远镜能够拍摄到最清晰的月球表面,其画面为 1.3 万像素,而每个像素里能容纳 150 万个硬币。

所以拍摄黑洞大小的望远镜,估计需要地球大小的巨无霸光学望远镜才可以实现。而造这样一个望远镜,在人类目前的技术水平下,几乎是不可能的。

望远镜不够,算法来凑

在探寻黑洞的路上,有这样一个被称作“视界线望远镜”(Event Horizon Telescope)的团队不肯罢休,并且提出了一个有点疯狂的想法:如果把世界上所有的望远镜连接起来,在电脑上模拟一个地球大小的望远镜,收集这些数据,再通过合理的算法分析,也许就能描绘黑洞的模样。

这个想法相当疯狂,以至于当时不少人认为视界线望远镜”(Event Horizon Telescope)这一个项目的成立有点不可理喻,一些天文学家也对这个项目嗤之以鼻。

但 EHT 还是在一片质疑声中把这个项目进行了下去。

在 2017 年的一次 TED X MIT 的演讲中,项目的主要参与人之一、来自麻省理工的博士生凯蒂 · 伯曼向全世界讲述了这个项目是如何进行下去的。

点击查看这场两年前的 TED 演讲。

可能大家都看过流浪地球,那遍布地球大大小小的推进器成了推进地球前进的动力。

流浪地球影片中令人震撼的推进器

而想要成功拍摄黑洞,人类大概需要用同样密集分布的望远镜把地球装扮成这样� �

但实际上我们根本不可能获取到如此多高质量观测点,只能在地球上找几个点,布置上望远镜� �

左边这黑球上的几个亮点就是我们现在布局在地球上的 8 个射电望远镜。通过他们收集到的图像可以平铺结合成右边的图。

虽然只有这可怜的几处,但随着地球的自转,望远镜的位置改变, 我们就可以得到图片的各个部分。但所得到的样本仍然不足,需要通过开发生成图片的算法将空白的地方填满, 从而模拟出隐藏的黑洞图片。

5 天拍照,两年 P 图

要保证所有 8 个望远镜都能看到这两个黑洞,从而达到最高的灵敏度和最大的空间分辨率,符合的时间段每年只有 10 天。具体对于 2017 年来说,是在 4 月 5 日 —14 日之间;而此次观测是 4 月 5 日 —10 日之间的 5 个晚上。在每一个观测中心,科学家们将利用提前校对好的原子钟时间,对每一个电磁波到达的时间进行分别标定和存盘,等到观测结束之后再汇总比较。

因此,在拍摄黑洞过程中一项重要的任务就是:开发一种既可以找到合理图像,又能使图像符合望远镜所测量到的信息的算法。

那么难点来了,按照什么样算法得出的图像才最合理呢?

从拍摄完成,到最终的发布,科学家们用漫长的两年才找到这一最合理的算法,并最终完整所有图片数据的分析、整合。

判断一张照片是否属于某个群组不是件难事,但问题是,如果判断的主角是黑洞,这个只存在于人类想象中的概念,算法如何判断哪张图更像黑洞呢?

当然,根据过往研究和相关公式,我们通过模拟实验得出过很多黑洞的”脑补图“,例如《星际穿越》中那张令人印象深刻的黑洞照片。但是,每一位谨慎的科学家们都必须考虑,如果我们在算法中掺入太多先验知识,算法就有了偏见,那么结果就会和我们预期的相似。

万一爱因斯坦的广义相对论是错了呢?

也就是说,我们不能遗漏“宇宙中心不是一个 ‘ 洞 ’,而是一头大象的可能”。

简单来说,如果给不同国家的画师一个高鼻梁、白头发老爷爷的信息,他们如果能够抛掉文化背景,画出差不多的爱因斯坦画像,才能说这个算法是可靠的!

通过提取现有图片的碎片特征,科学家可以将不同图片的特征赋予算法。EHT 的研究人员也正是用这种方式,将大量图像分解成无数的小拼图碎片,用其中常见的拼图碎片来组合成一张符合望远镜所测量数据的完整图片,这时候,我们对黑洞的描绘也就更接近真实了!

人类对宇宙的认知历史正在被 AI 改写

因为每天的数据量都高达 PB ( 1PB=1000TB=1000000 GB ) 量级,除了从各地运输汇总数据以外,最终的分析和计算,也耗费了大量的时间。根据相关报道,在数据的处理中,也用到了主成分分析等相关技术。

当数据形成海洋的时候,人工处理只能是大海捞针,但交给 AI,也许就是小菜一碟。无论是德克萨斯大学的学生 Anne Dattilo 用 AI 算法发现系外行星,还是斯坦福大学研究小组利用机器学习来研究强引力透镜的图像,这都意味着处理大数据的 AI 技术正在变革天文领域,甚至整个人类的认知边际。

文摘菌相信,如果没有机器学习等相关的数据处理技术,这人类史上第一张照片可能要推迟个几十年面世了。

本次参与对观测数据进行分析合成的机构超过 60 个,其中来自中国的 8 个机构参与其中:中国科学院天文大科学研究中心、中国科学院高能物理研究所粒子天体物理重点实验室、中国科学院星系宇宙学重点实验室、中国科学院天体结构与演化重点实验室、中科院射电天文重点实验室、中国科学院大学天文与空间科学学院、中国科学院上海天文台、中国科学院云南天文台。

图片来自 nature.com

为什么要给黑洞拍照?

抛开国籍的枷锁,把问题上升到宇宙,其实这件事情的意义就远远超越其本身,正如美国太空人阿姆斯特朗登陆月球后的第一句话:我的一小步,是人类的一大步。这次对拍摄黑洞的跨国行动,也迈出了人类太空探索的一大步。

另一方面,从观测角度来看,这是基线最长、规模最大的一次关于黑洞的射电成像;从科学的角度,这也是第一次高分辨率的观测黑洞边界,也是一次激动人心的观测验证理论的大事件,重要性不亚于引力波被发现。

更进一步来看,除了黑洞照片本身,这种新的观测宇宙的方式似乎更为重要,地球上的射电阵列可以拍到银河中心,那么如果我们把望远镜放到更远的地方,太空轨道上,是否有机会观测到更远的深空。

此外,这套专门设计的图像处理算法本身也是有很大价值。被验证后,这套算法很快可以投入到太空探索领域,甚至可以在其他领域大展神威,毕竟这套算法的本质是把低分辨率的图像转换成更高的分辨率。而且这次观测的数据也非常重要,毕竟,事件视界望远镜每一个晚上所产生数据量可达 2PB ( 1PB=1000TB=1000000 GB ) ,有了这些数据天文学家可以分析出来黑洞的周围有什么,这些东西以什么样的状态存在 ......

总的来说,这次观测是实验科学,是实践行为,这也正是科学中最严肃的要素。天文学家们通过这次观测结果,或许能借此检验爱因斯坦的引力理论,并对广义相对论做出严格的限制。与此同时,黑洞图像将帮助我们回答星系中的壮观喷流是如何产生并影响星系演化的。

从 18 世纪末约翰 · 米歇尔提出“暗星”概念,到法国科学家皮埃尔 · 西蒙 · 拉普拉斯在著作《世界系统》中提出的光都无法逃逸的天体,爱因斯坦场方程的推理结果,再到美国物理学家罗伯特 · 奥本海默发表了第一篇关于黑洞的学术论文。人类对这一“看不见”的物体一直充满了好奇,探索之路已经跨越了国别,不分种族。

就像《三体》里说的,“我们都是阴沟里的虫子,但总还是得有人仰望星空。”也正因人类仰望星空的努力从未停止,今天的我们,才能够站在无数巨人的肩膀上,看到了当初他们奋力想看却无法企及的景象,作为银河系渺小的碳基生物,这是何其幸运又美妙的事情。


全部评论: 0

    我有话说: