写点什么

人类首张黑洞照片幕后英雄:29 岁女算法工程师

  • 2019-04-11
  • 本文字数:4136 字

    阅读完需:约 14 分钟

人类首张黑洞照片幕后英雄:29岁女算法工程师

北京时间 4 月 10 日 21 点整,天文学家在华盛顿、布鲁塞尔、圣地亚哥、上海、台北和东京同步召开了全球新闻发布会,宣布人类首次拍摄到黑洞的照片。这是天体物理学里程碑式的成就。这一刻,全世界大大小小的屏幕都被这张照片霸屏了。在此之前,黑洞被认为是“不可见”的,那这张照片是如何被拍到的呢?

据了解,这张照片背后的幕后英雄,是加州理工学院的助理教授,同时是哈佛-史密森天体物理中心的美女博士后研究员 Katie Bouman 及其团队,通过 8 座被称为事件视界望远镜的特殊设备,这张引起全球轰动的照片才得以问世。

人类首张黑洞照片


我们有幸见证了这一历史时刻。为什么这么说呢?因为要给黑洞“拍照”非常非常难,由于黑洞的性质,几十年来,黑洞引发了公众无数遐想,但就是没有人知道黑洞的真面目。正是这个原因,人类首张黑洞照片才受到公众的高度关注。


其实给黑洞拍照,是非常困难的事情,上一代人曾认为不可能做到。因为黑洞本身就是一个宇宙的陷阱,光和物质都无法从中逃脱,因此它是不可见的。但科学家可以追溯到光子消失的“视界”。


人类成功拍摄到首张突破性的黑洞照片(5500 万光年外的室女 A 星系(M87)中心的黑洞),是由事件视界望远镜(Event Horizon telescope,EHT)拍摄,这是一个由八个毫米 / 亚毫米波射电望远镜组成的网络,横跨南极洲、西班牙、智利,全球共有 200 多名科学家参与其中。

事件视界望远镜项目

为了观测黑洞视界边缘上的物理过程,哈佛-史密森天体物理中心博士后研究员 Katie Bouman 带领的科学家团队成立了一个项目,动用分布在全球的八个毫米 / 亚毫米射电望远镜,将这些望远镜组成一个虚拟的、口径接近整个地球的望远镜,这个虚拟的望远镜就称为“事件视界望远镜”。



事件视界望远镜项目能够取得成功,取决于同时在几块大陆上的晴天和八个遥远的团队之间的精密协调。项目使用称为氢脉泽(hydrogen masers)的原子钟来协调不同地点的观测,这个原子钟精确到每 1 亿年误差一秒钟。2017 年 4 月的一个晚上,这八个射电望远镜所在地的天气情况特别好,创造了极为有利的观测条件。伦敦大学学院 EHT 合作成员 Ziri Younsi 对此说过:“太幸运了我们!天气非常好!”


EHT 依赖于干涉测量技术,这有点像通过试图通过在池塘边缘放置探测器来测量发出的涟漪来重建扔进池塘的石头。与此同理,EHT 将来自八座望远镜的信号组合起来,通过计算机输入,才能将一堆难以理解的光点转换成视觉图像。


那么问题来了,这个项目收集的数据量如此之大,仅一个晚上,EHT 生成的数量也达到了前所未有的水平,高达 5PB,约合 5242880GB。现在一般普通电脑硬盘是 500GB,那么 EHT 生成的 5PB 数据,需要一万块 500GB 硬盘才能装满,而这一万块硬盘就达半吨之重。


如此海量的数据是无法通过互联网传输的,只能放到硬盘中,由研究人员亲自坐飞机带到美国和德国的研究机构,利用超级计算机将原始数据合成为我们所看到的人类首张黑洞照片。


究竟要如何处理这些海量的数据才能转换成黑洞照片呢?这就不得不提到幕后的女英雄:Katie Bouman。

黑洞照片的幕后英雄

Bouman 的新算法立大功


如果没有 Katie Bouman 的努力,人们很可能无法一睹黑洞的真面目。


要将 EHT 产生的海量数据转换成图像的关键之一是,需要开发一种新的、复杂的算法。这些算法不仅需要将数据组合起来,还需要滤除由大气湿度等因素引起的噪声,因为噪声会使无线电波产生扭曲。还需要逐波精确同步远距离望远镜捕获的信号。但是,EHT 收集来的数据仍然有很多地方需要填补。


时代造就英雄。


当时 Katie Bouman 还是麻省理工学院计算机科学和人工智能的研究生。她提出了一种新的算法,将通过 EHT 网络收集的数据拼接在一起。这种算法最终帮助捕获到这张独一无二的照片:超大质量黑瞳及其位于 M87 星系中心的阴影。


Bouman 提出算法后,进行了一系列精心设计的测试,旨在确保 EHT 的图像不是某种形式的技术故障或侥幸造成的。在一个阶段中,这包括将协作分成四个独立的团队。这些团队奖独立地分析数据,直到他们对自己的发现有信心为止。


前面说过,EHT 收集到的数据仍然有很多空白,这就是 Bouman 的算法以及其他几个算法的用武之地。利用 Bouman 的算法,研究人员创建了三个脚本代码管道来拼合图像。


研究人员收集了望远镜产生的“稀疏而嘈杂的数据”,试图将其转换成视觉图像。在过去几年里,Bouman 指导了图像的验证和成像参数的选择。


Bouman 告诉 CNN:“我们开发了生成合成数据的方法,使用了不同的算法进行盲测,看看能否恢复成图像。我们不想只开发一种算法。我们想要开发许多不同的算法,这些算法都有不同的假设。如果它们都恢复了相同的总体结构,那么我们就有了信心。”


麻省理工学院 Haystack 天文台的研究科学家 Vincent Fish 曾如此评论 Bouman:“Bouman 是成像团队的灵魂。”他说道,“Bouman 给我们的成像团队带来的见解之一就是,自然图像是存在的。想想你用手机拍的照片,它们有某些属性……如果你知道一个像素是什么,那么你就可以很好地猜测它旁边的像素是什么。”例如,有些区域更平滑,而有且区域的边界比较尖锐。Fish 称,天文图像就是这样的,但你可以用数学的方法对这些特性进行编码。


他补充道:“像 Bouman 这样的初级研究员为这个项目做出了重大贡献。当然,也有资深科学家参与这个项目。但成像部分主要是由初级研究人员领导的,如研究生、博士后。”


Bouman 还表示:“我们中没有人能够独自完成,因为有很多来自不同背景的人,我们才走到一起。”


Bouman 曾经在 TEDx 做过演讲《如何拍摄一张黑洞照片》,这场演讲可访问:


https://www.ted.com/talks/katie_bouman_what_does_a_black_hole_look_like/



在这场演讲中,Bouman 讨论了使用算法“从稀疏、嘈杂的数据中拼凑图片”的挑战。


正是她提出的算法让各大望远镜收集到的数据可以“拼”到一起,这才有了人类首张黑洞照片。


提出算法的时候,她还是麻省理工学院计算机科学与人工智能的研究生,而今年她 29 岁,是加州理工学院的助理教授。她的研究重点是利用新兴的计算方法来突破跨学科成像的界限。

Bouman 是何许人也?

在 Bouman 的个人网页上,她的简历显示其兴趣爱好包括计算机图像、计算机摄影、计算机视觉、图像和视频处理、逆问题和机器学习,教育、个人研究和实习经历也非常丰富,让人不禁感叹,天才真并不是一夜之间长成的。


教育背景:

  • 哈佛-史密森天体物理中心,美国马萨诸塞州剑桥,2017 - 2019 年,博士后研究员

  • 麻省理工学院,电气工程与计算机科学专业博士,辅修脑和认知科学,2011 - 2017 年

  • 论文:“通过物理模型反演的极端成像:看到角落和黑洞成像”

  • 顾问:William Freeman

  • 麻省理工学院,电气工程与计算机科学硕士,2011 - 2013 年

  • 论文:“通过观察运动来估计织物的材料特性”

  • 顾问:William Freeman

  • 密歇根大学,电气工程学士学位,辅修数学,2007 - 2011 年

  • 获得麻省理工学院 EE 最佳硕士论文奖 Ernst A. Guillemin 论文奖(第二名)

  • NSF 研究生奖学金

  • Irwin 和 Joan Jacobs 总统奖学金


…众多奖项

作品和研究经历:

  • 哈佛-史密森尼天体物理中心 2017 年至今

  • 事件视界地平线望远镜的博士后项目

  • 麻省理工学院,CSAIL 2011 - 2017

  • William Freeman 博士的研究生研究助理

  • 微软研究院,2014 年夏季

  • 由 Neel Joshi 博士指导的夏季研究实习生

  • 微软研究院,2012 年

  • 暑期研究实习生,由 Ce Liu 博士指导

  • 麻省理工学院林肯实验室,2011 年夏季

  • 夏季研究实习生,由 Nadya Bliss 和 Karl Ni 博士指导

  • 高通,2010 年夏季

  • 暑期研究实习生,由 Sergio Goma 博士指导


会议出版物和期刊论文作品也不少,在此不一一列举了,截屏感受一下:



计算机科学史上的女性

Katie Bouman 的成就甚至引来了美国第一千金 Ivanka Trump 的赞赏:




Google 也十分应景,Google Doodle (Google 涂鸦) 已经变成了黑洞的动画。


《毛泽东语录》里面有一句闻名全球的名言“妇女能顶半边天”。在计算机科学史上,其实就有许多尚不为人知的杰出女性,但因为种种原因,科学界做出突出贡献的女性一般都默默地成为世界科学史篇章的小小注脚,埋没在历史的尘埃中,鲜有人知。


但有些女科学家的光芒遮挡不住,包括 50 年前阿波罗登月计划的幕后女英雄:软件工程之母 Margaret Hamilton,正是她编写的代码将宇航员送上月球并顺利返回地球。Margaret Hamilton 至今已发表超过 130 篇论文、会议记录和报告,内容包含 60 多个项目,以及她本人参与的 6 项主要课题。


Margaret Hamilton 在系统设计、软件开发、项目和过程建模、开发模式、形式化系统建模语言、软件可用性和复用性最大化等等领域都获取了不少创新,此外还创立了一步软件、优先级调配等新概念。



(左图,Kaite Bouman;右图:Margaret Hamilton)


有网友说,左图中 Bouman 站在一张堆满硬盘数据的桌子旁边,让人联想到右图 Margatret Hamilton 1969 年的标志性照片,果然一个伟大成果的实现都离不开大量的研究和努力。


Katherine Johnson,是一名非裔美国女性,她为第一个美国人进入太空的火箭计算了运行轨迹。她在 NASA 长期担任计算员的角色,在电脑尚未问世的年代,她的任务是为太空导航手算参数。水星计划、阿波罗登月计划等 NASA 最著名的太空探索计划中都有她的身影,这些任务的成功都离不开她精确的计算。1962 年,第一位进入地球轨道的美国宇航员 John Glenn 在首次环绕地球的太空任务中, NASA 首次使用了计算机来计算轨道,但他对此结果并不信任,点名要求 Katherine 帮忙演算之后才肯上天:“如果她说没问题,那我就准备好了!”NASA 为她撰写的传记如此结尾:


“如果没有你,NASA 不会成为今天的模样。”



让我们模仿 NASA 来结束本文,对全世界的女性工程师、女性科学家说一声:


如果没有你们,世界不会成为今天的模样。




参考资料:


https://www.theguardian.com/science/2019/apr/10/black-hole-picture-captured-for-first-time-in-space-breakthrough


https://edition.cnn.com/2019/04/10/us/katie-bouman-mit-black-hole-algorithm-sci-trnd/index.html


https://www.npr.org/2019/04/10/711723383/watch-earth-gets-its-first-look-at-a-black-hole


https://www.wired.com/2015/10/margaret-hamilton-nasa-apollo/


https://www.nasa.gov/image-feature/katherine-johnson-at-work-1962/


https://en.wikipedia.org/wiki/Margaret_Hamilton_(scientist)


2019-04-11 16:2510295
用户头像

发布了 376 篇内容, 共 201.3 次阅读, 收获喜欢 949 次。

关注

评论

发布
暂无评论
发现更多内容

SpringBoot有几种获取Request对象的方法?

王磊

java面试

【墨菲安全实验室】Smartbi未授权设置Token回调地址获取管理员权限

墨菲安全

网络安全 安全 BI

【墨菲安全实验室】 Apache Airflow Drill Provider < 2.4.3 存在任意文件读取漏洞(CVE-2023-39553)

墨菲安全

Apache 网络安全 安全 漏洞 apache 社区

生成式AI:未来内容产业的变革力量

百度开发者中心

人工智能 百度文心一言

使用 Amazon MemoryDB for Redis 作为 JuiceFS 的元数据引擎

亚马逊云科技 (Amazon Web Services)

Amazon

如何选择最佳的文件传输协议?(FTP、TFTP、Raysync)

镭速

文件传输协议

面部表情识别研究:解读情绪的密码

数据堂

2023-08-14:用go语言写算法。给出两个长度相同的字符串 str1 和 str2 请你帮忙判断字符串 str1 能不能在 零次 或 多次 转化 后变成字符串 str2 每一次转化时,你可以将

福大大架构师每日一题

福大大架构师每日一题

质效提升 | QA不做业务需求测试,你怎么看?

laofo

DevOps cicd 研发效能 持续交付 质量赋能

使用FTP文件传输协议的潜在风险

镭速

文件传输协议

IT工程化,提升数科公司运营能力

用友BIP

数科公司

OpenHarmony Meetup 广州站 OpenHarmony正当时—技术开源

OpenHarmony开发者

OpenHarmony

生成式AI在电信行业的有所为与有所不为

百度开发者中心

人工智能 文心一言

面部表情识别技术的伦理问题与应对策略

数据堂

React和Vue的区别,大家怎么看?

FinFish

Vue React 小程序容器 混合app

生成式AI:人工智能新生产力

百度开发者中心

人工智能 百度文心一言

更方便的集成使用!IoTDB plugin 上线 Grafana 官网!

Apache IoTDB

ByConity 首次 TPC-DS 测试结果发布 & 新活动邀请!

字节跳动开源

大数据 开源 字节跳动 数仓 社区

生成式AI助力人工智能下半场

百度开发者中心

人工智能 百度文心一言

NLP文本匹配任务Text Matching 有监督训练:PointWise(单塔)、DSSM(双塔)、Sentence BERT(双塔)项目实践

汀丶人工智能

人工智能 自然语言处理 文本匹配

NLP文本匹配任务Text Matching 有监督训练:PointWise(单塔)、DSSM(双塔)、Sentence BERT(双塔)项目实践

汀丶人工智能

人工智能 自然语言处理 文本匹配算法

软件测试/测试开发丨Python 虚拟环境及pip环境管理

测试人

Python 程序员 软件测试 测试开发

学习Java 8 Stream,提升编码能力!

互联网工科生

Java stream Java11 Stream API

SaaS出海:黄粱易得,黄金难收

ToB行业头条

软件测试/测试开发丨Python 常用第三方库 yaml

测试人

Python 程序员 软件测试 测试开发

生成式AI发展前景展望:创新、应用与市场规模

百度开发者中心

人工智能 百度文心一言

RHG之人工智能漏洞挖掘

云起无垠

面部表情识别:心理学与计算机科学的交汇点

数据堂

鱼龙混杂的网络营销行业:入行新人如何规划职业

石头IT视角

人类首张黑洞照片幕后英雄:29岁女算法工程师
_AI&大模型_刘志勇_InfoQ精选文章