人类第一次看到黑洞照片之后，一名小姐姐的照片也跟着刷了屏。

她激动得十指交叉，身边的电脑屏幕上，黑洞的样子模糊显现出来，一行行代码在旁边滚动。

在Facebook上发出这张照片时，小姐姐说：

看着我做的第一张黑洞照片一点点“洗”出来，真是不可思议。

“我做的第一张黑洞照片”？

对，全人类看到的第一张黑洞照片，就是她“做”的。

这位小姐姐名叫Katie Bouman (凯蒂 · 布曼) ，今年29岁。她带领算法团队“洗”出了这张照片，也成了第一批“看到”黑洞的人类之一。

人类“拍”到的第一张黑洞照片，并不是像我们拿手机拍照那样，点下屏幕就好，而是需要分布在全球各地的许多天文望远镜在同一时间“按下快门”，记录无线电数据。

然后，再依靠机器学习算法，把数据拼到一起，重建出图像。而这个“洗照片”的任务，就是凯蒂在MIT读博时做的项目。

搞定半吨硬盘

六年前，凯蒂开始了她在MIT CSAIL的博士生涯，想要研究“如何看见或者测量肉眼看不见的东西”，黑洞简直是再合适不过的研究对象了。因此，她加入了EHT（事件视界望远镜）团队。

凯蒂的本科读的密歇根大学的电气工程，硕士读的是MIT的电气工程和计算机科学专业，可以说，对于天文方面，她当时一窍不通。

就这样，她开始研究“把多台天文望远镜获得的数据合成一张黑洞照片”的算法。

一搞就是三年的秘密工作。在2016年之前，这个项目一直是保密的，小姐姐研究这么激动人心的项目，却憋着不能说，连自己的家人都没告诉。

而且直到2017年6月，凯蒂的算法才终于可以开始实战。她收到了一堆装着黑洞观测数据的硬盘：

这些硬盘足有半吨，从世界各地用飞机运来。数量之大，甚至让人联想到1969年玛格丽特·汉密尔顿为阿波罗11号登月而准备的一人高的代码。

这些硬盘中的数据，来自智利、夏威夷、南极洲、亚利桑那、西班牙、墨西哥六个地方的一共八台天文望远镜。

天文望远镜获取的数据量非常大，一晚上就能收集到2PB（约2000TB）。如此庞大的数据难以用网络传输，必须装到硬盘里，空运到MIT。

而且，这半吨硬盘里的数据不仅仅是黑洞，还包含天空中的各种复杂、凌乱的数据，凯蒂要靠这些数据，拼出一张完整的黑洞写真。

本来，根据射电望远镜数据还原天体图像需要人类天文学家参与。他们以自己的专业知识，将成像算法指引到他们认为正确的方向。

然而面对PB级稀疏、嘈杂的数据，想靠人力从中找出图像太难了。于是，他们使用了机器学习方法。

虽然这支团队已经花了好几年的时间构建算法，在合成数据上实验，但直到有了这些硬盘，他们才能真正知道他们的算法，是不是真的能捕捉到不可见的黑洞。

这项任务究竟什么样？

就好比，你把一颗鹅卵石扔进池塘，却还想看到它的样子。

一石激起的涟漪

入水的瞬间，石子会激起一圈一圈的涟漪。

只要这些涟漪，就算石子沉到水下，也依然可以通过算法重现它的模样。

黑洞，就像是这颗已经看不见的鹅卵石。

不同的望远镜收到的两股无线电波相遇，就起了涟漪，学名叫做“干涉”。

而凯蒂提出的CHIRP算法，便是依靠干涉来重建黑洞的。

具体来说，从银河中心传来的无线电信号，到达两台望远镜的时间是不一样的，干涉也是这样发生的。

所以说，重建黑洞照片，最重要的就是时间差。

可是，地球有厚重的大气层保护着，无线电波穿过大气层的时候，速度会变慢，时间的测定也就不够准确了。

所以，小姐姐想出了一种机智的方法，来解决这个问题：

如果每一个测量值，都是三台望远镜 (不是两台) 相乘的结果，大气带来的误差就能相互抵消了。

这样一来，算法有了，团队便开始“冲洗”黑洞的照片了。

一洗就是两年

半吨硬盘的数据量处理起来，工程量还是太大了。

洗照片的过程中，一度有四个团队同时工作，每个团队负责分析一部分数据。

原本预计一年洗好的照片，花了两年时间才让世界看到。

除了耗时之外，小姐姐也说过，团队就是一口大锅，里面有天文学家，物理学家，数学家，工程师……如果不是这样，也不可能完成这个从前看来不可能的任务。

而她的工作，是在照片终于合成成功并公布之后，凯蒂终于可以告诉全世界，合成第一张黑洞照片的意义：

这是我们了解黑洞的一个窗口，从这里开始，我们验证了我们的物理规律。虽然我们已经靠理论推断出黑洞的样子，但只有亲眼所见才能验证，因此，看到黑洞图像也是巨大的科学进步。

现在，凯蒂早已博士毕业，继续在MIT的EHT项目做了一段时间的博士后之后，即将成为加州理工学院的助理教授。

庞大的团队

除了凯蒂之外，整个团队还有很多人，他们来自各种各样的领域。

凯蒂在2017年的TED演讲中分享了团队的核心成员名单，包括：

Sheperd Doeleman

哈佛大学黑洞计划观测助理主任

Andrew Chael

哈佛大学黑洞计划研究生

Lindy Blackburn

哈佛大学黑洞计划射电天文学家

Michael Johnson

哈佛 – 史密森尼天体物理中心研究员

Katherine Rosenfeld

哈佛 – 史密森尼天体物理中心研究员

Hotaka Shiokawa

哈佛 – 史密森尼天体物理中心博士后

William T. Freeman

MIT计算机科学与人工智能实验室教授

Vincent Fish

MIT Haystack天文台研究科学家

Kazumori Akiyama

MIT Haystack天文台博士后

Daniel Zoran

DeepMind研究科学家

传送门

最后，如果你对他们所用的算法感兴趣，可以读一下这篇论文：

Computational Imaging for VLBI Image Reconstruction

https://dspace.mit.edu/handle/1721.1/103077

— 完 —

“