29歲MIT博士小姐姐努力6年、處理半噸硬盤數據，“洗”出人類第一張黑洞照片
本文經AI新媒體量子位(公眾號 ID: QbitAI)授權轉載，轉載請聯系出處”。
人類看到黑洞照片之后，一名小姐姐的照片也跟著刷了屏。
她激動得十指交叉，身邊的電腦屏幕上，黑洞的樣子模糊顯現出來，一行行代碼在旁邊滾動。
在Facebook上發出這張照片時，小姐姐說：
看著我做的這張黑洞照片一點點“洗”出來，真是不可思議。
“我做的這張黑洞照片”？
對，全人類看到的這張黑洞照片，就是她“做”的。
這位小姐姐名叫Katie Bouman (凱蒂 · 布曼) ，今年29歲。她帶領算法團隊“洗”出了這張照片，也成了早一批“看到”黑洞的人類之一。
人類“拍”到的黑洞照片，并不是像我們拿手機拍照那樣，點下屏幕就好，而是需要分布在全球各地的許多天文望遠鏡在同一時間“按下快門”，記錄無線電數據。
然后，再依靠機器學習算法，把數據拼到一起，重建出圖像。而這個“洗照片”的任務，就是凱蒂在MIT讀博時做的項目。
搞定半噸硬盤
六年前，凱蒂開始了她在MIT CSAIL的博士生涯，想要研究“如何看見或者測量肉眼看不見的東西”，黑洞簡直是再合適不過的研究對象了。因此，她加入了EHT（事件視界望遠鏡）團隊。
凱蒂的本科讀的密歇根大學的電氣工程，碩士讀的是MIT的電氣工程和計算機科學專業，可以說，對于天文方面，她當時一竅不通。
就這樣，她開始研究“把多臺天文望遠鏡獲得的數據合成一張黑洞照片”的算法。
一搞就是三年的秘密工作。在2016年之前，這個項目一直是保密的，小姐姐研究這么激動人心的項目，卻憋著不能說，連自己的家人都沒告訴。
而且直到2017年6月，凱蒂的算法才終于可以開始實戰。她收到了一堆裝著黑洞觀測數據的硬盤：
這些硬盤足有半噸，從世界各地用飛機運來。數量之大，甚至讓人聯想到1969年瑪格麗特·漢密爾頓為阿波羅11號登月而準備的一人高的代碼。
這些硬盤中的數據，來自智利、夏威夷、南極洲、亞利桑那、西班牙、墨西哥六個地方的一共八臺天文望遠鏡。
天文望遠鏡獲取的數據量非常大，一晚上就能收集到2PB（約2000TB）。如此龐大的數據難以用網絡傳輸，必須裝到硬盤里，空運到MIT。
而且，這半噸硬盤里的數據不僅僅是黑洞，還包含天空中的各種復雜、凌亂的數據，凱蒂要靠這些數據，拼出一張完整的黑洞寫真。
本來，根據射電望遠鏡數據還原天體圖像需要人類天文學家參與。他們以自己的專業知識，將成像算法指引到他們認為正確的方向。
然而面對PB級稀疏、嘈雜的數據，想靠人力從中找出圖像太難了。于是，他們使用了機器學習方法。
雖然這支團隊已經花了好幾年的時間構建算法，在合成數據上實驗，但直到有了這些硬盤，他們才能真正知道他們的算法，是不是真的能捕捉到不可見的黑洞。
這項任務究竟什么樣？
就好比，你把一顆鵝卵石扔進池塘，卻還想看到它的樣子。
一石激起的漣漪
入水的瞬間，石子會激起一圈一圈的漣漪。
只要這些漣漪，就算石子沉到水下，也依然可以通過算法重現它的模樣。
黑洞，就像是這顆已經看不見的鵝卵石。
不同的望遠鏡收到的兩股無線電波相遇，就起了漣漪，學名叫做“干涉”。
而凱蒂提出的CHIRP算法，便是依靠干涉來重建黑洞的。
具體來說，從銀河中心傳來的無線電信號，到達兩臺望遠鏡的時間是不一樣的，干涉也是這樣發生的。
所以說，重建黑洞照片，最重要的就是時間差。
可是，地球有厚重的大氣層保護著，無線電波穿過大氣層的時候，速度會變慢，時間的測定也就不夠準確了。
所以，小姐姐想出了一種機智的方法，來解決這個問題：
如果每一個測量值，都是三臺望遠鏡 (不是兩臺) 相乘的結果，大氣帶來的誤差就能相互抵消了。
這樣一來，算法有了，團隊便開始“沖洗”黑洞的照片了。
一洗就是兩年
半噸硬盤的數據量處理起來，工程量還是太大了。
洗照片的過程中，一度有四個團隊同時工作，每個團隊負責分析一部分數據。
原本預計一年洗好的照片，花了兩年時間才讓世界看到。
除了耗時之外，小姐姐也說過，團隊就是一口大鍋，里面有天文學家，物理學家，數學家，工程師……如果不是這樣，也不可能完成這個從前看來不可能的任務。
而她的工作，是在照片終于合成成功并公布之后，凱蒂終于可以告訴全世界，合成一張黑洞照片的意義：
這是我們了解黑洞的一個窗口，從這里開始，我們驗證了我們的物理規律。雖然我們已經靠理論推斷出黑洞的樣子，但只有親眼所見才能驗證，因此，看到黑洞圖像也是巨大的科學進步。
現在，凱蒂早已博士畢業，繼續在MIT的EHT項目做了一段時間的博士后之后，即將成為加州理工大學的助理教授。
龐大的團隊
除了凱蒂之外，整個團隊還有很多人，他們來自各種各樣的領域。
凱蒂在2017年的TED演講中分享了團隊的核心成員名單，包括：
Sheperd Doeleman
哈佛大學黑洞計劃觀測助理主任
Andrew Chael
哈佛大學黑洞計劃研究生
Lindy Blackburn
哈佛大學黑洞計劃射電天文學家
Michael Johnson
哈佛 - 史密森尼天體物理中心研究員
Katherine Rosenfeld
哈佛 - 史密森尼天體物理中心研究員
Hotaka Shiokawa
哈佛 - 史密森尼天體物理中心博士后
William T. Freeman
MIT計算機科學與人工智能實驗室教授
Vincent Fish
MIT Haystack天文臺研究科學家
Kazumori Akiyama
MIT Haystack天文臺博士后
Daniel Zoran
DeepMind研究科學家
傳送門
最后，如果你對他們所用的算法感興趣，可以讀一下這篇論文：
Computational Imaging for VLBI Image Reconstruction
https://dspace.mit.edu/handle/1721.1/103077
