Imagens em escala do horizonte de eventos de M87* sob diferentes suposições via Priors Generativos Profundos

Reconstituir imagens a partir das observações do Telescópio do Horizonte de Eventos (EHT) de M87*, o buraco negro supermassivo no centro da galáxia M87, depende de um prior para impor as estatísticas desejadas da imagem. No entanto, dada a impossibilidade de observar diretamente buracos negros, não há uma escolha clara para um prior. Apresentamos uma estrutura para projetar de forma flexível uma gama de priors, cada um trazendo diferentes viéses para a reconstrução da imagem. Esses priors podem ser fracos (por exemplo, impor apenas estatísticas básicas de imagem natural) ou fortes (por exemplo, impor suposições sobre a estrutura do buraco negro). Nossa estrutura utiliza inferência bayesiana com priors baseados em pontuações, que são priors orientados por dados que surgem de um modelo generativo profundo capaz de aprender distribuições complicadas de imagens. Usando nossa abordagem de imagem bayesiana com priors sofisticados orientados por dados, podemos avaliar como as características visuais e a incerteza das imagens reconstruídas mudam dependendo do prior. Além dos dados simulados, fazemos imagens dos dados reais do EHT M87* e discutimos como as características recuperadas são influenciadas pela escolha do prior.