读懂 EHT 成像与动态重建的偏好

图 1 先让我们看见缺了哪些测量

先看 Paper IV 图 1 的空间频率坐标轴，再去看后面的图像。一个位置表示用波长计的投影基线。离中心越远，对应越细的角度；方向决定它对光源哪一部分形状敏感。已有轨迹之间的空隙，也要认真看。

如果真有一面填满地球尺度的口径，就能测到连续得多的站间距离。EHT 的站点很稀疏，最长基线带来极高分辨能力，也留下大片空缺。波束核心的宽度给出一种有用尺度，却不表示该尺度上的每种结构都同样分得清。

接着用同样的覆盖去比较观测日和候选源。重建形状改变，可能是天空变了，也可能是采样方向变了，或方法对缺失频率的反应变了。这张图提示后面必须区分哪些可能。

图 3 为若干三角形画出闭合相位随格林尼治平恒星时的变化。选一个三角形，沿着标签读各面板。每个点组合三条同时测得的有向基线，不是某台天线自己的相位。可见度接近零时，相位对噪声特别敏感，角度很大也要结合振幅和误差一起判断。

回到式 7 与第 2.1.2 节，找到站点增益模型。三角形乘积能消去站点相位，振幅里的站点增益仍然存在。闭合振幅另用多条基线的比值消去振幅增益。读数据项时，要把这两类标定问题分开。

教程 CSV 的时间列是十进制 UTC 小时，图 3 用的是 GMST。要叠图，必须正确转换时间、匹配观测日、三角形方向和平均方式。教程只在原生时间戳下重算一个真实三角形，没有把它冒充成整条论文时间序列。

图 5 用合成源模型，以及这些模型会产生的可见度。先看已知输入，再顺着采样走到重建。这里真值可知，因为源由作者构造。这项检验回答：经过同样类型的不完整观测，算法能把这些形状恢复到什么程度？

比较时先匹配角分辨率。重建特别锐利，可能只因为含有观测支持不了的细节；把参考模糊到共同尺度，更容易看清大结构是否恢复。也要比较预测信号。在一个训练源上恢复得好很有用，但还要换其他可能的源继续测。

真正的 M87 观测随后进入另一阶段。将模拟检验单独放清楚，作者就能调试、评价成像方法，而不必先认定某一张 M87 重建就是真值。

式 14 把数据符合程度与带权的图像正则项放在一起。权重常叫超参数，决定程序有多偏好平滑等性质。附录 A 给出数学定义。比较权重前，先读符号和归一化；离开这些规定，一个数字没有通用含义。

图 7 改变 MEM 与 TV 权重，展示一组重建。MEM 是基于熵的偏好，TV 用总变差惩罚局部图像变化。先找到能合理符合观测的设置，再看哪些图像特征在改变设置后仍然留下。

这些面板来自不同成像选择，不是从后验分布随机抽出的图。它们之间的视觉分散程度，不能直接当作已经标定的误差带。论文还结合模拟检验与独立流程比较，第 6.2.2 节有助于理解这些选择怎样接受评价。

翻到动态成像论文第 2.3–2.4 节。一条基线上的信号变了，可能是它走到了新的 $(u,v)$ 位置，也可能是光源恰好在这时改变。静态成像把两种变化都交给同一张固定图像。源变得足够快时，这个假设就可能把时间变化塞成空间结构。

论文讨论怎样用接近的空间频率测量识别变化，再去重建一段序列。看一部漂亮动画之前，先问每帧有多少直接观测。某帧很少有数据，甚至根本没有时，连接邻帧的假设便格外重要。

动态目标函数在数据项、普通图像正则项之外，再加时间正则项。下面用教学记号把三者分开；论文自己的式 3 给出具体符号和归一化，第 3.1–3.3 节分别定义时间选择。

一种偏好要求相邻帧连续，一种偏好让每帧只小幅偏离时间平均图像，还有一种用流动模型偏好近似稳定的亮度输运。缺少数据时，它们会给出不同画面。时间权重接近零，各帧更独立；强烈偏好静止的权重若取太大，也会压掉真实变化。

J(\{I_t\})=D(\{I_t\})+\alpha R_{\mathrm{image}}(\{I_t\})+\beta R_{\mathrm{time}}(\{I_t\})

这里用统一教学记号表示数据误差、图像偏好和时间偏好。不同时间正则项仍然对应不同的源变化假设。

动态论文图 7–10 使用模拟黑洞系统观测，其中也有只用振幅和闭合信息的重建。已知模拟画面允许直接检查恢复程度。画面中的运动属于合成实验，不是 2017 年 EHT 实测黑洞电影。

图 12 则使用真实的 7 毫米 VLBA M87 喷流跨历元观测。看清图注里的波长、阵列和时间间隔。它检验的是另一种源尺度和采样条件，不能与教程里的 1.3 毫米 EHT 摘录混在一起。

读下一篇成像论文时，先记五件事：实际测量什么、采到哪些空间频率、空间和时间上加入什么偏好、做了哪些已知真值检验、改变假设后哪个特征还在。写清这几项，就能沿着图像追到一个可以检查的科学结论。