黑洞番外篇黑洞是怎么发现的，黑洞的照片又是如何拍出来的

　　关于黑洞的诞生及消亡，前面的两篇文章进行了详细的展开。
　　但是有许多朋友都不相信黑洞真的存在，认为黑洞只是科幻小说里的故事。
　　这一篇就黑洞是怎么被发现，用什么技术发现的，做一个详细介绍。
　　从1916爱因斯坦提出黑洞理论，到2019年拍摄到的第一张黑洞照片，其间用了103年的时间。
　　那么黑洞是用什么技术发现的呢？
　　它用的是计算成像技术。
　　是不是不太明白，没关系，我们仔细观察下面两张图，找一下，哪一张是真人拍的？
　　猜对了没有，我来公布答案，男生是真人拍的。
　　难道女生不是真人拍的吗？
　　是的，女生不是真人拍的，女生是用深度生成模型生成的人脸照片，就是上面提到的计算成像技术。
　　现在是不是对计算成像技术，有了一个直观的了解了。
　　计算成像技术是何方神圣，竟能让黑洞现出真容。
　　计算成像技术是利用所得到的大数据，整合成一个深度生成模型，然后给这个生成模型进行随机初始化，就能够生成一张我们想要的图像。
　　比如上面图片里的女生，她的图像便是深度生成模型的结果，如下图：
　　这张图片里面，白噪声指的是：一种功率谱密度为常数的随机信号或随机过程。
　　神经网络一般指的就是机器学习。
　　当然，这都不重要。
　　我们只要知道，通过采集到的数据就能生成符合事实的图像就可以了。
　　不仅黑洞的图片是这样出来的，即使在我们的日常生活中，计算成像应用也很广泛。
　　比如，磁共振成像。磁共振成像是一种非常先进的医疗设备，由于它没有辐射、灵敏度非常高，是很多疾病诊断的首选。
　　另外，在生物医学成像中，计算成像应用范围也非常广。
　　比如在了解记忆产生的机制时，也需要在人体尺度，用医疗成像仪器对脑结构进行成像。
　　这时，你肯定会有这样的疑惑，地球上的数据好拿，但黑洞离我们那么远，它的数据是怎么弄回来的。
　　是的，给黑洞拍照肯定不是一件容易的事，而成像的这个黑洞，它坐落在距离我们2。7万光年的银河系正中心。
　　既然光都要跑2。7万年，那黑洞的数据又是怎么拿到的，难道它会自己送过来吗？
　　是这样的，因为光无法逃离黑洞，所以黑洞是无法直接观测的。
　　但是，光经过黑洞会发生扭曲，可以通过观测发生扭曲的光来判断是不是黑洞。
　　然后通过宇宙的引力透镜放大效应，科学家就可以把普通的天文望远镜，变成黑洞专属望远镜了。
　　给黑洞拍照的是一个超级相机，叫作事件视界望远镜。
　　事件视界望远镜不是一个仪器，它是由来自全球80多个科研机构，300多名科研人员，组成的合作组织。
　　在整个过程中，300多位科研人员分成一个个专业工作组。
　　有的专业小组负责仪器的研制；
　　有的专业小组负责理论和建模；
　　有的专业小组负责现场的观测还有数据收集；
　　有的专业小组负责计算成像，简单来说，主要负责给黑洞洗照片。
　　为什么给黑洞拍照这么难呢？为什么不能像拍月亮一样，拿手机去给黑洞拍照呢？
　　一句话总结就是，地球距离我们想看的银河系中心的黑洞实在是太远了。
　　打个比方，我们在地球观测银河系中心，难度大概就相当于，从美国观测南海里的一粒盐。
　　如果要实现高精度的观测，根据公式计算，需要造一个地球大小口径的射电望远镜才能够实现。
　　这当然是不切实际的。
　　但是，可以利用计算成像技术，把全球的8台望远镜联合起来，协同拍摄银河系中心的黑洞，就能够达到同样的成像效果。
　　这就是事件视界望远镜的含义。
　　在2019年，已经用类似的技术做出了黑洞成像，它背后主要科学原理就是射电干涉技术，更准确地来说叫作甚长基线干涉技术（VLBI）
　　它的原理是，虽然不能用一个小的望远镜来代替大的望远镜，但是在射电干涉中，任意两台望远镜之间的连线，就可以获得一组对黑洞的观测数据。
　　这样，经过一晚的拍摄，就得到了一系列黑洞的观测数据。
　　之后再把这个观测数据，交给计算机进行信息处理，就可以最终从数据中提取出一个有关黑洞的图像。
　　2019年之后的3年，又拍了一张照片，下图是2019年和2022年的黑洞对比图。
　　虽然这两张照片一张是2019年发布、一张是2022年发布的，但对它们的观测早在2017年就已经完成了。
　　也就是说，相比于M87黑洞，其实多花了3年时间，才最终把这张银河系中心黑洞的照片洗出来。
　　为什么它比起M87黑洞要难这么多呢？背后的一个关键问题，就是概率成像。
　　银河系中心黑洞的质量，仅相当于M87黑洞质量的11000，所以它的动态变化是非常快的。
　　拍照的过程，就像在观察天气剧烈变化下的风景。
　　所以，为了探索所有可能的黑洞图像，从而给出更精准的科学解释，自然需要花更长的时间来进行研究。
　　很多之前在给M87黑洞拍摄时洗照片的方法已经不适用了。
　　那传统上，是怎么实现这种黑洞的概率成像呢？
　　简单来说就是猜。
　　怎么猜？
　　用计算机算法，每一次先提一张可能满足观测数据的图片，然后利用观测数据验证。
　　如果这个图片靠谱，就收集起来，放到图像集合里。再提一张照片，如果它不靠谱，就把它扔掉。
　　重复这个过程，直到找到一系列认为能够满足观测数据的图像的集合。
　　然后，就得到了一组图片，可以表示图像的概率分布，从而能够精确理解这个图像到底是什么样的。
　　不过，你也应该能感觉出来，这个过程非常慢、计算量非常高。
　　首先，猜的过程就很麻烦，如果猜完了之后，还要扔掉一系列图片，那这个过程真的是麻烦到难以想象。
　　因此，发明一种新的方法，用更快的速度，把黑洞的整个概率图像，都准确地猜出来，是必须要做的？
　　解决这个问题的深度生成模型上场了，这个深度生成模型的厉害之处在于，它可以生成任意符合人类预期的自然图像。
　　还记得上面那个女生的照片吗，就是它的杰作。
　　利用了深度生成模型，只需要一个多小时的训练时间，就可以获得传统算法，花费几周甚至更长时间的成像结果。
　　这就是黑洞成像的来龙去脉，总结成一句话就是：用收集到的大数据通过机器学习生成照片。
　　黑洞的发现也验证了爱因斯坦广义相对论的正确性，使人类对宇宙的探索又迈上了一个小小的台阶。