M87 中心超大质量黑洞的标志性图像——有时被称为“模糊的橙色甜甜圈”——在机器学习的帮助下进行了首次正式改造。新图像进一步暴露了一个更大、更暗的中心区域，周围环绕着形状像“瘦甜甜圈”的明亮吸积气体。该团队使用 2017 年事件视界望远镜 (EHT) 合作获得的数据，首次实现了阵列的全分辨率。

2017 年，EHT 合作使用了一个由世界各地现有的七台望远镜组成的网络来收集 M87 上的数据，创建了一个“地球大小的望远镜”。然而，由于用望远镜覆盖地球的整个表面是不可行的，因此数据中出现了空白——就像拼图游戏中的缺失部分一样。

“通过我们新的机器学习技术 PRIMO，我们能够实现当前阵列的最大分辨率，”高级研究所的主要作者 Lia Medeiros 说。“由于我们无法近距离研究黑洞，因此​​图像的细节在我们理解其行为的能力中起着至关重要的作用。图像中环的宽度现在缩小了大约两倍，这将是一个对我们的理论模型和引力测试的强大约束。”

PRIMO 代表主成分干涉建模，由 EHT 成员 Lia Medeiros(高级研究所)、Dimitrios Psaltis(佐治亚理工学院)、Tod Lauer(NOIRLab)和 Feryal Özel(佐治亚理工学院)开发。他们的出版物“The Image of the M87 Black Hole Reconstructed with PRIMO”现已刊登在天体物理学杂志快报上。

“PRIMO 是一种新方法，可以解决从 EHT 观测构建图像这一艰巨任务，”Lauer 说。“它提供了一种方法来补偿关于被观察物体的缺失信息，这是生成使用地球大小的单个巨型射电望远镜所看到的图像所必需的。”

PRIMO 依赖于字典学习，这是机器学习的一个分支，它使计算机能够根据大量训练材料生成规则。例如，如果给计算机输入一系列不同的香蕉图像(经过充分训练)，它可能能够确定未知图像是否是香蕉。除了这个简单的案例之外，机器学习的多功能性还以多种方式得到了展示：从创作文艺复兴风格的艺术作品到完成贝多芬未完成的作品。那么机器如何帮助科学家绘制黑洞图像呢?研究团队已经回答了这个问题。