在線客服
企業(yè)微信
核心提示：2022年5月12日，全球知名的黑洞觀測計劃「事件視界望遠鏡」（Event Horizon Telescope，EHT）發(fā)布了一張位于銀河系中心的超大質(zhì)量
2022年5月12日，全球知名的黑洞觀測計劃「事件視界望遠鏡」（Event Horizon Telescope，EHT）發(fā)布了一張位于銀河系中心的超大質(zhì)量黑洞「人馬座A*」（Sgr A*）的照片。該照片提供了銀河系中心黑洞真實存在的首個視覺證據(jù)，在世界范圍內(nèi)引起了巨大的轟動：
北大孫赫：用 AI 研究科學(xué)成像，從「大宇宙」到「小宇宙」
圖注：位于銀河系中心的黑洞——「人馬座A*」（Sgr A*）。這張照片由2017年EHT所觀測數(shù)據(jù)中提取的多張照片組合制作而成。
據(jù)EHT介紹，Sgr A*黑洞的質(zhì)量大約是太陽的400萬倍，覆蓋面積幾乎與水星的軌道一樣大。聽起來很大，但由于位于銀河系中心的Sgr A*距離地球二萬七千光年之遙，要從地球上拍攝Sgr A*也面臨巨大的挑戰(zhàn)，難度極高。
有多難？
「就像從洛杉磯拍攝位于紐約表面的一粒鹽，需要建造一個跟地球一樣大的射電望遠鏡才能拍到這么小的東西。」加州理工學(xué)院（Caltech）的研究人員這樣解讀。
這是EHT第二次讓世人窺見宇宙黑洞的真實容貌。第一次是2019年4月10日EHT觀測到的一個位于室女A星系（M87）的黑洞。
區(qū)別于其他研究黑洞的方法（如引力波觀測），EHT的目標(biāo)是直接獲取宇宙中黑洞的影像進行分析。與M87相比，Sgr A*的動態(tài)變化更加迅速，因而在成像上也更具技術(shù)挑戰(zhàn)。
據(jù)EHT官方披露，該計劃召集了來自全球80多個研究機構(gòu)的300多名研究人員共同研究。合作組在2017年4月利用分布于全球各地的8臺射電望遠鏡對SgrA*進行了聯(lián)合觀測，并在之后花費五年時間，開發(fā)了復(fù)雜的工具解決SgrA*的圖像處理問題，并利用超級計算機合成與分析影像數(shù)據(jù)，創(chuàng)建黑洞模擬數(shù)據(jù)庫與觀測結(jié)果進行嚴格比對，才最終得到了上述較為清晰的照片。
來自北京大學(xué)未來技術(shù)學(xué)院的青年研究員孫赫便是EHT這300多名研究人員中的一員。
在AI科技評論對孫赫博士進行訪談時，他曾十分興奮地透露他正在參與一個全球性的科研計劃。但直到Sgr A*發(fā)布，他才向我們披露，這個計劃就是EHT對銀心黑洞Sgr A*進行觀測、處理成像。
北大孫赫：用 AI 研究科學(xué)成像，從「大宇宙」到「小宇宙」
孫赫的主要研究內(nèi)容是將人工智能算法應(yīng)用于科學(xué)成像研究，將光學(xué)、控制學(xué)、信號處理與機器學(xué)習(xí)等知識融合，促進科學(xué)領(lǐng)域的研究發(fā)現(xiàn)。在EHT合作組中，孫赫作為成像和科學(xué)特征提取兩個團隊的成員之一，參與了一系列圖像處理軟件的開發(fā)與黑洞數(shù)據(jù)分析的工作。雷峰網(wǎng)
雖然同屬「AI for Science」，孫赫的研究邏輯卻與這一賽道上的多數(shù)學(xué)者不盡相同：人工智能領(lǐng)域的研究者大多從 AI 的角度研究科學(xué)問題，而非計算機科班出身的孫赫則更喜歡從科學(xué)問題的需求出發(fā)尋找 AI 工具。雷峰網(wǎng)(公眾號：雷峰網(wǎng))
此外，值得注意的是，孫赫的目標(biāo)研究領(lǐng)域并不只有天文學(xué)。
2022年5月，孫赫結(jié)束其在加州理工學(xué)院的博士后研究，正式加入北京大學(xué)未來技術(shù)學(xué)院國家生物醫(yī)學(xué)成像科學(xué)中心，將他在天文成像上的積累推廣到一個嶄新的領(lǐng)域——生物醫(yī)學(xué)成像。
如果說黑洞觀測是面向大宇宙，那么生物醫(yī)學(xué)成像則是探秘人體這個「小宇宙」的重要途徑之一。在從「大宇宙」到「小宇宙」的旅途上，孫赫也逐漸成長：從對人工智能算法一無所知，到跨學(xué)科研究，在人工智能和科學(xué)成像的交叉點遇到了令他興奮不已的研究方向。雷峰網(wǎng)
1、從航空航天到計算成像
孫赫與機器學(xué)習(xí)的結(jié)緣是出于偶然。
他的本科就讀于北京大學(xué)工學(xué)院，主修工程力學(xué)、輔修經(jīng)濟學(xué)，2014年本科畢業(yè)后申請到了普林斯頓大學(xué)機械與航空航天工程系攻讀博士。該系包含許多研究方向，孫赫所屬的方向為控制理論與動力系統(tǒng)（類似國內(nèi)的「自動化」），因此，在博士剛開始時，他更感興趣的是與機器人相關(guān)的研究課題。
2014年，人工智能（AI）正在興起，作為世界頂尖研究高校的普林斯頓大學(xué)也是學(xué)術(shù)界這一波AI研究大潮的先行者之一。在孫赫的第一年博士預(yù)備階段，普林斯頓大學(xué)的統(tǒng)計與機器學(xué)習(xí)中心（Center for Statistics and Machine Learning）開始設(shè)置機器學(xué)習(xí)的輔修項目。雖然不屬于計算機系，但對 AI 抱有好奇心的孫赫也報名了該項目，成為首批修讀該項目的學(xué)生之一。
對 AI 的了解改變了孫赫原先的研究規(guī)劃，也在潛移默化中加強了他在開展研究時應(yīng)用 AI 的意識。
第一年博士實驗室輪轉(zhuǎn)學(xué)習(xí)（Lab Rotation）結(jié)束后，孫赫加入普林斯頓高對比度成像實驗室（Princeton High Contrast Imaging Lab），師從N. Jeremy Kasdin，參與研究天文望遠鏡的自適應(yīng)光學(xué)系統(tǒng)。
「自適應(yīng)光學(xué)是一類能夠控制光的自動化系統(tǒng)，就像我們控制機器人的動作、姿態(tài)和運動軌跡來執(zhí)行目標(biāo)任務(wù)一樣，自適應(yīng)光學(xué)系統(tǒng)可以調(diào)控光場的性質(zhì)來提升望遠鏡的成像能力。」孫赫向 AI 科技評論解釋道，「很多傳統(tǒng)的AI算法都源自于控制理論，所以很自然的就在想能不能把機器學(xué)習(xí)的方法再引入到望遠鏡自適應(yīng)光學(xué)系統(tǒng)的開發(fā)中」。
博士期間，孫赫開始嘗試用數(shù)據(jù)驅(qū)動的機器學(xué)習(xí)方法改進天文望遠鏡的控制系統(tǒng)。
當(dāng)時，他的博士導(dǎo)師 Jeremy Kasdin 是NASA 的新一代太空望遠鏡——「羅曼太空望遠鏡」（Roman Space Telescope）科學(xué)團隊的負責(zé)人之一。羅曼太空望遠鏡是韋伯望遠鏡之后NASA的又一個旗艦任務(wù)，它有兩個主要的科學(xué)目標(biāo)：一是觀測宇宙中的暗物質(zhì)，二是觀測宇宙中的系外行星、尋找適合人類生存的「第二個地球」。
「對系外行星的直接成像非常難。因為恒星是發(fā)光的，而類地行星通常是不發(fā)光的。比如說，從宇宙深處的其它行星上觀測太陽系，地球要比太陽暗十億倍以上。在這種情況下，你需要想辦法提升望遠鏡的成像對比度。自適應(yīng)光學(xué)為這個問題提供了一個重要的解決思路，我們可以應(yīng)用控制理論去操縱光的傳播過程，將耀眼的恒星光消除，從而打破望遠鏡的光學(xué)極限，制造出一個特別暗的區(qū)域來實現(xiàn)對行星的觀測�！箤O赫談道。
要控制光，就需要改變望遠鏡系統(tǒng)內(nèi)部分鏡面的形狀來使光場發(fā)生變化。如此精密的控制（鏡面的形變通常在納米級）需要對望遠鏡的光學(xué)系統(tǒng)有一個精確的建模。然而在軌運行的太空望遠鏡十分「敏感」：機械振動、太陽輻射產(chǎn)生的熱效應(yīng)等太空極端條件下的種種因素都會使望遠鏡的光學(xué)系統(tǒng)隨著時間發(fā)生各種微小的變化。
針對這一問題，孫赫在博士期間最重要的一項工作就是將機器學(xué)習(xí)引入到太空望遠鏡中，利用望遠鏡的觀測圖像實時地修正光學(xué)系統(tǒng)的建模誤差，提升自適應(yīng)光學(xué)系統(tǒng)的控制精度與最終的成像對比。相關(guān)研究被收錄于他的博士論文（"Efficient wavefront sensing and control for space-based high-contrast imaging"）中，并獲得了2019年IEEE航天會議的「觀測系統(tǒng)和技術(shù)最佳論文獎」。
圖注：位于銀河系中心的黑洞——「人馬座A*」（Sgr A*）。這張照片由2017年EHT所觀測數(shù)據(jù)中提取的多張照片組合制作而成。
據(jù)EHT介紹，Sgr A*黑洞的質(zhì)量大約是太陽的400萬倍，覆蓋面積幾乎與水星的軌道一樣大。聽起來很大，但由于位于銀河系中心的Sgr A*距離地球二萬七千光年之遙，要從地球上拍攝Sgr A*也面臨巨大的挑戰(zhàn)，難度極高。
有多難？
「就像從洛杉磯拍攝位于紐約表面的一粒鹽，需要建造一個跟地球一樣大的射電望遠鏡才能拍到這么小的東西。」加州理工學(xué)院（Caltech）的研究人員這樣解讀。
這是EHT第二次讓世人窺見宇宙黑洞的真實容貌。第一次是2019年4月10日EHT觀測到的一個位于室女A星系（M87）的黑洞。
區(qū)別于其他研究黑洞的方法（如引力波觀測），EHT的目標(biāo)是直接獲取宇宙中黑洞的影像進行分析。與M87相比，Sgr A*的動態(tài)變化更加迅速，因而在成像上也更具技術(shù)挑戰(zhàn)。
據(jù)EHT官方披露，該計劃召集了來自全球80多個研究機構(gòu)的300多名研究人員共同研究。合作組在2017年4月利用分布于全球各地的8臺射電望遠鏡對SgrA*進行了聯(lián)合觀測，并在之后花費五年時間，開發(fā)了復(fù)雜的工具解決SgrA*的圖像處理問題，并利用超級計算機合成與分析影像數(shù)據(jù)，創(chuàng)建黑洞模擬數(shù)據(jù)庫與觀測結(jié)果進行嚴格比對，才最終得到了上述較為清晰的照片。
來自北京大學(xué)未來技術(shù)學(xué)院的青年研究員孫赫便是EHT這300多名研究人員中的一員。
在AI科技評論對孫赫博士進行訪談時，他曾十分興奮地透露他正在參與一個全球性的科研計劃。但直到Sgr A*發(fā)布，他才向我們披露，這個計劃就是EHT對銀心黑洞Sgr A*進行觀測、處理成像。
北大孫赫：用 AI 研究科學(xué)成像，從「大宇宙」到「小宇宙」
孫赫的主要研究內(nèi)容是將人工智能算法應(yīng)用于科學(xué)成像研究，將光學(xué)、控制學(xué)、信號處理與機器學(xué)習(xí)等知識融合，促進科學(xué)領(lǐng)域的研究發(fā)現(xiàn)。在EHT合作組中，孫赫作為成像和科學(xué)特征提取兩個團隊的成員之一，參與了一系列圖像處理軟件的開發(fā)與黑洞數(shù)據(jù)分析的工作。雷峰網(wǎng)
雖然同屬「AI for Science」，孫赫的研究邏輯卻與這一賽道上的多數(shù)學(xué)者不盡相同：人工智能領(lǐng)域的研究者大多從 AI 的角度研究科學(xué)問題，而非計算機科班出身的孫赫則更喜歡從科學(xué)問題的需求出發(fā)尋找 AI 工具。雷峰網(wǎng)(公眾號：雷峰網(wǎng))
此外，值得注意的是，孫赫的目標(biāo)研究領(lǐng)域并不只有天文學(xué)。
2022年5月，孫赫結(jié)束其在加州理工學(xué)院的博士后研究，正式加入北京大學(xué)未來技術(shù)學(xué)院國家生物醫(yī)學(xué)成像科學(xué)中心，將他在天文成像上的積累推廣到一個嶄新的領(lǐng)域——生物醫(yī)學(xué)成像。
如果說黑洞觀測是面向大宇宙，那么生物醫(yī)學(xué)成像則是探秘人體這個「小宇宙」的重要途徑之一。在從「大宇宙」到「小宇宙」的旅途上，孫赫也逐漸成長：從對人工智能算法一無所知，到跨學(xué)科研究，在人工智能和科學(xué)成像的交叉點遇到了令他興奮不已的研究方向。雷峰網(wǎng)
1、從航空航天到計算成像
孫赫與機器學(xué)習(xí)的結(jié)緣是出于偶然。
他的本科就讀于北京大學(xué)工學(xué)院，主修工程力學(xué)、輔修經(jīng)濟學(xué)，2014年本科畢業(yè)后申請到了普林斯頓大學(xué)機械與航空航天工程系攻讀博士。該系包含許多研究方向，孫赫所屬的方向為控制理論與動力系統(tǒng)（類似國內(nèi)的「自動化」），因此，在博士剛開始時，他更感興趣的是與機器人相關(guān)的研究課題。
2014年，人工智能（AI）正在興起，作為世界頂尖研究高校的普林斯頓大學(xué)也是學(xué)術(shù)界這一波AI研究大潮的先行者之一。在孫赫的第一年博士預(yù)備階段，普林斯頓大學(xué)的統(tǒng)計與機器學(xué)習(xí)中心（Center for Statistics and Machine Learning）開始設(shè)置機器學(xué)習(xí)的輔修項目。雖然不屬于計算機系，但對 AI 抱有好奇心的孫赫也報名了該項目，成為首批修讀該項目的學(xué)生之一。
對 AI 的了解改變了孫赫原先的研究規(guī)劃，也在潛移默化中加強了他在開展研究時應(yīng)用 AI 的意識。
第一年博士實驗室輪轉(zhuǎn)學(xué)習(xí)（Lab Rotation）結(jié)束后，孫赫加入普林斯頓高對比度成像實驗室（Princeton High Contrast Imaging Lab），師從N. Jeremy Kasdin，參與研究天文望遠鏡的自適應(yīng)光學(xué)系統(tǒng)。
「自適應(yīng)光學(xué)是一類能夠控制光的自動化系統(tǒng)，就像我們控制機器人的動作、姿態(tài)和運動軌跡來執(zhí)行目標(biāo)任務(wù)一樣，自適應(yīng)光學(xué)系統(tǒng)可以調(diào)控光場的性質(zhì)來提升望遠鏡的成像能力。」孫赫向 AI 科技評論解釋道，「很多傳統(tǒng)的AI算法都源自于控制理論，所以很自然的就在想能不能把機器學(xué)習(xí)的方法再引入到望遠鏡自適應(yīng)光學(xué)系統(tǒng)的開發(fā)中」。
博士期間，孫赫開始嘗試用數(shù)據(jù)驅(qū)動的機器學(xué)習(xí)方法改進天文望遠鏡的控制系統(tǒng)。
當(dāng)時，他的博士導(dǎo)師 Jeremy Kasdin 是NASA 的新一代太空望遠鏡——「羅曼太空望遠鏡」（Roman Space Telescope）科學(xué)團隊的負責(zé)人之一。羅曼太空望遠鏡是韋伯望遠鏡之后NASA的又一個旗艦任務(wù)，它有兩個主要的科學(xué)目標(biāo)：一是觀測宇宙中的暗物質(zhì)，二是觀測宇宙中的系外行星、尋找適合人類生存的「第二個地球」。
「對系外行星的直接成像非常難。因為恒星是發(fā)光的，而類地行星通常是不發(fā)光的。比如說，從宇宙深處的其它行星上觀測太陽系，地球要比太陽暗十億倍以上。在這種情況下，你需要想辦法提升望遠鏡的成像對比度。自適應(yīng)光學(xué)為這個問題提供了一個重要的解決思路，我們可以應(yīng)用控制理論去操縱光的傳播過程，將耀眼的恒星光消除，從而打破望遠鏡的光學(xué)極限，制造出一個特別暗的區(qū)域來實現(xiàn)對行星的觀測�！箤O赫談道。
要控制光，就需要改變望遠鏡系統(tǒng)內(nèi)部分鏡面的形狀來使光場發(fā)生變化。如此精密的控制（鏡面的形變通常在納米級）需要對望遠鏡的光學(xué)系統(tǒng)有一個精確的建模。然而在軌運行的太空望遠鏡十分「敏感」：機械振動、太陽輻射產(chǎn)生的熱效應(yīng)等太空極端條件下的種種因素都會使望遠鏡的光學(xué)系統(tǒng)隨著時間發(fā)生各種微小的變化。
針對這一問題，孫赫在博士期間最重要的一項工作就是將機器學(xué)習(xí)引入到太空望遠鏡中，利用望遠鏡的觀測圖像實時地修正光學(xué)系統(tǒng)的建模誤差，提升自適應(yīng)光學(xué)系統(tǒng)的控制精度與最終的成像對比。相關(guān)研究被收錄于他的博士論文（"Efficient wavefront sensing and control for space-based high-contrast imaging"）中，并獲得了2019年IEEE航天會議的「觀測系統(tǒng)和技術(shù)最佳論文獎」。
