在过去，我们依靠“猜”实现黑洞的概率成像，但是这个过程十分缓慢，计算量极高。科学家们发明了一个新方法，借助深度生成模型，洗出了银河系中心黑洞的照片。而且，这项技术还能应用于医学领域，成为“科学家的眼睛”…
出品：格致论道讲坛
以下内容为北京大学未来技术学院国家生物医学成像科学中心助理教授、研究员孙赫演讲实录：
大家好，我是孙赫，来自北京大学。非常荣幸今天能够来到格致论道讲坛，分享我们用拍照的方式来研究宇宙和生命的故事。
今天的故事就先从这张照片说起，这是位于银河系中心的超大质量黑洞的第一张照片。
我们从地球的角度仰望星空，穿过数以亿计的星系和漫漫的星尘，这个黑洞，就坐落在距离我们2.7万光年的、我们所生存的银河系的正中心。
站在布达拉宫拍外滩的一粒盐
已完成：10%//////////
给黑洞拍照肯定不是一件容易的事，我们是怎么得到这张照片的呢？用来给黑洞拍照的是一个超级相机，叫做“事件视界望远镜”。
事件视界望远镜与其说是一个仪器，更准确地说是由来自全球80多个科研机构的多名科研人员组成的合作组织。
▲事件视界望远镜（EHTCollaboration）银心黑洞线上发布会合影（部分合作组成员）
很荣幸，我作为其中一员参与到了银河系中心黑洞的拍摄工作。这是我们当天线上发布会的截屏。
▲年5月12日上海天文台摄于线上
银河系中心黑洞成像的过程中也有我们中国科学家的工作，有17名来自中国大陆的科学家全程参与其中。
可以想象，给黑洞拍照是一个非常非常复杂的工程。在整个过程中，多位科研人员是分成一个个的专业工作组来进行工作的。比如说，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。我在的小组叫做成像工作组，简单来说，主要负责给黑洞洗照片这项工作。
为什么给黑洞拍照这么难呢？我们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，难度大概就相当于在拉萨的布达拉宫去观察位于上海外滩餐厅桌子上的一粒盐。
▲理想情况下的黑洞观测望远镜（图像来源：EHTCollaboration）
如果要实现这样非常高精度的观测，根据公式计算，我们需要造一个有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，一个有意思且非常有用的想法就是，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，就能够达到类似地球大小口径的射电望远镜的成像效果。这就是我们所说的事件视界望远镜的含义。
天文爱好者可能已经知道，在3年前，也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”，更准确地来说叫做“甚长基线干涉技术”（VLBI）。
它的原理是，虽然我们不能用一个小的望远镜来代替大的望远镜的工作机制，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。这一组数据所包含的信息，和两台望远镜之间连线的投影距离、朝向密切相关。
其实很多时候，这8台望远镜两两连线所拥有的信息也是非常少的。但是一个非常有趣、并且是天助我也的事就是，地球本身是在自转的。随着地球整晚不断自转，每两台望远镜之间连线的投影距离和朝向也会发生些微的变化。
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。
▲左：室女A星系中心黑洞（M87*），
右：银河系中心黑洞（SgrA*），
利用类似的方法，3年前事件视界望远镜拍摄出了位于室女座的一个叫做“M87”的黑洞（左图）。这张照片于年公布，正是我们人类拍摄到的第一张黑洞的照片。
在年的时候，我也正是看到这张照片后，受到了感召，很快加入到了事件视界望远镜工作组，很幸运没有错过银河系中心黑洞的成像。
但是，可能大家并不了解的是，虽然这两张照片一张是年发布、一张是年发布的，但对它们的观测早在年就已经完成了。也就是说，相比于M87黑洞，我们其实多花了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黑洞来说要难这么多呢？背后的一个关键问题，就是概率成像。
为概率成像“提速”
已完成：40%//////////
从前面可以看到，我们对黑洞的观测数据是非常不完备、非常稀疏的。并且很多时候，我们还会受到非常复杂的影响，比如大气湍流及其他噪音。在这种情况下，其实有一系列照片，都是比较符合我们的观测数据的。
所以，这两张照片并不只是拿那些数据洗出了一张照片，而是拿同样的数据洗出了一系列的照片，然后再把它们平均一下得到的。
但比较麻烦的是，我们面临一个挑战：银河系中心黑洞的质量仅相当于M87黑洞质量的1/，所以它的动态变化是非常快的。我们拍照的过程，就像在观察天气剧烈变化下的风景。
在这种情况下，由于银河系中心黑洞有更多组的照片可以满足观测数据。所以，为了遍历或者说探索所有可能的黑洞图像，从而给出更精准的科学解释，我们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，我们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？我们有计算机算法，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，直到找到一系列我们认为能够满足观测数据的图像的集合。然后，我们就得到了一组图片，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。
通过我的叙述，相信大家应该感受到，这个过程是非常慢、计算量非常高的。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，加入事件视界望远镜之后，我一直在思考和研究的问题就是，能不能够发明一种新的方法，用更快的速度，把黑洞的整个概率图像都猜出来，同时还比较准确？
在人工智能和深度学习中，我找到了一些灵感。我们用了深度学习中的一个非常特殊的神经网络，叫做“深度生成模型”，来解决这个问题。这个深度生成模型的厉害之处在于，它可以生成任意符合我们人类预期的自然图像。
▲
