AI和物理学相结合揭示黑洞周围喷发的耀斑的三维结构

科学家们相信黑洞周围的环境是混乱的，有着热量极高、被磁场作用的气体在盘旋运动，速度和温度都极其惊人。天文观测显示，在这样的盘中，神秘的耀斑每天会发生数次，暂时变得明亮然后又消失。加州理工学院的科学家团队利用望远镜数据和人工智能（AI）计算机视觉技术，恢复了首个三维视频，展示了银河系核心超大质量黑洞——“Sgr A*”（读作sadge-ay-star）周围可能出现的耀斑模样。

这一三维耀斑结构显示出两个明亮而紧凑的特征，距离黑洞中心约7500万公里（或者说是地球与太阳之间距离的一半）。它基于阿塔卡马大型毫米阵列(ALMA)在智利收集的数据，覆盖了2017年4月11日X射线数据中的喷发后100分钟内的情况。

为了重建这个三维图像，团队不得不开发新的计算成像工具，例如考虑到由于强大引力导致的光线弯曲。多学科的团队首先考虑了2021年6月能否制作黑洞周围耀斑的三维视频。此前，布尔曼和莱维斯是事件视界望远镜(EHT)合作组织的成员，该组织已经发布了遥远星系中心超大质量黑洞（称为M87）的第一张图像，正在努力用EHT从Sgr A*的数据做同样的事情。谷歌研究的共同作者普拉图尔·斯里尼瓦桑当时正在加州理工学院访问，他曾帮助开发了一种称为神经辐射场(NeRF)的技术，当时刚开始被研究人员使用；它对计算机图形学产生了巨大影响。NeRF使用深度学习根据2D图像创建场景的三维表示。团队思考，通过借鉴这些最近在神经网络表示方面的发展，是否可以重建黑洞周围的三维环境。他们的挑战在于，从地球上我们只能得到黑洞的单一视角。

团队认为他们可能能够克服这个问题，因为气体在围绕黑洞的过程中表现出一定可预测性。正如尝试捕捉一个佩戴救生圈的孩子的3D图像的类比所述，传统的NeRF方法需要从多个角度拍摄照片，而孩子保持静止。但理论上，你可以要求孩子转动，而摄影师保持不动拍照。定时快照以及关于孩子旋转速度的信息可以用来重新构建3D场景。同样地，通过利用气体在黑洞不同距离处的运动方式的知识，研究人员旨在解决从地球上随时间采集的测量数据中解决3D耀斑重建问题。

团队建立了一个考虑了气体在黑洞周围运动方式的NeRF版本。但是，他们还需要考虑光线如何在黑洞等庞大物体周围弯曲。在普林斯顿大学的安德鲁·查尔的指导下，团队开发了一个计算机模型来模拟这种弯曲，也被称为引力透镜效应。

结合这些考虑，新版本的NeRF能够恢复黑洞事件视界周围轨道亮区的结构。确实，初步概念验证表明了合成数据上的有希望的结果。

团队需要真实数据。这就是ALMA发挥作用的地方。EHT的著名图像是基于2017年4月6日至7日收集的数据，当时黑洞周围的环境比较平静。但天文学家们在几天后的2017年4月11日检测到了爆炸性和突然的亮度增加。团队成员马切克·维尔古斯在德国马克斯·普朗克无线电天文学研究所回顾了那天的ALMA数据，他注意到一个信号的周期与盘中明亮斑点完成绕Sgr A*运行所需的时间相匹配。团队着手恢复Sgr A*周围那次亮度增加的三维结构。

ALMA是世界上最强大的射电望远镜之一。然而，由于与银河中心的巨大距离（超过26000光年），即使ALMA也不能分辨Sgr A*周围的细节。 ALMA测量的是光曲线，实际上是单个闪烁像素的视频，这是通过收集望远镜探测到的每一时刻的射电波长光线而生成的。

从单像素视频中恢复三维体积似乎是不可能的。然而，通过利用关于预期的黑洞周围盘的物理信息，团队成功地绕过了ALMA数据中空间信息的缺失。

ALMA不仅捕捉了单个光曲线，实际上，它为每次观测提供了几种这样的“视频”，因为望远镜记录了与光的不同偏振状态相关的数据。像波长和强度一样，偏振是光的基本属性，表示电场分量的方向相对于光波的一般传播方向。布尔曼表示，“我们从ALMA得到的是两个偏振的单像素视频。这种偏振光实际上非常有价值。”

最近的理论研究表明，在气体中形成的热点具有很强的偏振，意味着来自这些热点的光波具有明显的优选取向。这与其他气体形成鲜明对比，其他气体的取向则更随机或混乱。通过收集不同的偏振测量，ALMA数据给科学家提供了可以帮助定位在三维空间中发射光线源的信息。

为了找出解释观测结果的可能三维结构，团队开发了该方法的更新版本，不仅包含了围绕黑洞的光线弯曲和动力学的物理规律，还有围绕黑洞轨道上期望的偏振辐射。在这种技术中，每个潜在的耀斑结构都被表示为一个连续体积，使用神经网络。这使研究人员能够根据黑洞物理学的时间进展计算