Katherine Louise Bouman (geboren 1989) ist eine amerikanische Ingenieurin und Informatikerin, die auf dem Gebiet der computergestützten Bildgebung arbeitet. Sie leitete die Entwicklung eines Algorithmus zur Bildgebung von Schwarzen Löchern, bekannt als Continuous High-resolution Image Reconstruction using Patch priors (CHIRP), und war Mitglied des Event-Horizon-Teleskop-Teams, das das erste Bild eines Schwarzen Lochs aufnahm.
Boumans Arbeit verbindet maschinelles Lernen und künstliche Intelligenz, um inverse Probleme in der Bildgebung zu lösen, bei denen das Ziel darin besteht, ein verborgenes Objekt aus indirekten Messungen zu rekonstruieren. Ihre Beiträge zum Event-Horizon-Teleskop-Projekt zeigten, wie computergestützte Methoden physikalische Informationen aus spärlichen und verrauschten Daten extrahieren können, eine Herausforderung, die für die moderne Deep-Learning-Forschung zentral ist.
Frühes Leben und Ausbildung
Bouman wuchs in West Lafayette, Indiana, auf. Ihr Vater, Charles Bouman, ist Professor für Elektro- und Computertechnik sowie Biomedizintechnik an der Purdue University. Als Schülerin führte Bouman Bildgebungsforschung an der Purdue University durch und sammelte so früh Erfahrungen auf diesem Gebiet. Sie schloss 2007 die West Lafayette Junior-Senior High School ab.
Bouman studierte Elektrotechnik an der University of Michigan und schloss 2011 summa cum laude ab. Sie erwarb 2013 ihren Master-Abschluss und promovierte 2017 in Elektrotechnik und Informatik am Massachusetts Institute of Technology (MIT). Am MIT war sie Mitglied des MIT Computer Science and Artificial Intelligence Laboratory (MIT CSAIL), das eng mit dem Haystack-Observatorium des MIT und dem Event-Horizon-Teleskop zusammenarbeitete. Sie wurde durch ein Graduiertenstipendium der National Science Foundation unterstützt.
Ihre Masterarbeit, Estimating Material Properties of Fabric through the Observation of Motion, wurde mit dem Ernst-Guillemin-Preis für die beste Masterarbeit in Elektrotechnik ausgezeichnet. Ihre Doktorarbeit, Extreme imaging via physical model inversion: seeing around corners and imaging black holes, wurde von William T. Freeman betreut. Vor Abschluss ihrer Promotion hielt Bouman einen TEDx-Vortrag mit dem Titel How to Take a Picture of a Black Hole, in dem sie Algorithmen erläuterte, die zur Aufnahme des ersten Bildes eines Schwarzen Lochs verwendet werden könnten.
Forschung und Karriere
Nach ihrer Promotion trat Bouman als Postdoktorandin im Event-Horizon-Teleskop-Bildgebungsteam der Harvard University bei. Sie war 2013 dem Event-Horizon-Teleskop-Projekt beigetreten, wo sie die Entwicklung des CHIRP-Algorithmus leitete. CHIRP ist eine computergestützte Bildgebungstechnik, die Patch-Priors - statistische Modelle kleiner Bildausschnitte - verwendet, um hochauflösende Bilder aus spärlichen Teleskopdaten zu rekonstruieren.
CHIRP inspirierte Bildvalidierungsverfahren, die bei der Aufnahme des ersten Bildes eines Schwarzen Lochs im April 2019 verwendet wurden. Bouman spielte eine bedeutende Rolle im Projekt, indem sie Bilder verifizierte, Parameter für die Filterung der vom Event-Horizon-Teleskop aufgenommenen Bilder auswählte und an der Entwicklung eines robusten Bildgebungsrahmens teilnahm, der die Ergebnisse verschiedener Bildrekonstruktionstechniken verglich. Ihre Gruppe analysiert weiterhin die Bilder des Event-Horizon-Teleskops, um mehr über die allgemeine Relativitätstheorie in einem starken Gravitationsfeld zu erfahren.
Bouman erhielt erhebliche Medienaufmerksamkeit, nachdem ein Foto, das ihre Reaktion auf die Entdeckung des Schwarzen-Loch-Schatten in den EHT-Bildern zeigte, viral ging. Einige Personen in den Medien und im Internet deuteten irreführend an, Bouman sei ein "einsames Genie" hinter dem Bild. Bouman selbst betonte jedoch wiederholt, dass das Ergebnis aus der Arbeit einer großen Zusammenarbeit stammte, was die Bedeutung von Teamarbeit in der Wissenschaft zeigt. Bouman wurde auch Ziel von Online-Belästigung, so sehr, dass ihr Kollege Andrew Chael eine Erklärung auf Twitter veröffentlichte, in der er "schreckliche und sexistische Angriffe auf meine Kollegin und Freundin" kritisierte, einschließlich Versuchen, ihre Beiträge zu untergraben, indem ihm allein die Arbeit zugeschrieben wurde, die das Team geleistet hatte.
Akademische Positionen
Bouman trat im Juni 2019 als Assistenzprofessorin am California Institute of Technology (Caltech) ein, wo sie an neuen Systemen für computergestützte Bildgebung unter Verwendung von Computer Vision und maschinellem Lernen arbeitet. Im Jahr 2020 verlieh ihr Caltech eine benannte Professur. Im Jahr 2024 wurde sie zur außerordentlichen Professorin für Computing and Mathematical Sciences, Elektrotechnik und Astronomie befördert und wurde außerdem Rosenberg Scholar.
Am Caltech leitet Bouman eine Forschungsgruppe, die sich auf die Entwicklung von Algorithmen konzentriert, die physikalische Modelle mit Neuronalen-Netzwerk-Ansätzen integrieren. Ihre Arbeit erstreckt sich über die Bildgebung Schwarzer Löcher hinaus auf Anwendungen in der medizinischen Bildgebung und anderen Bereichen, in denen Sensoren unvollständige Daten erfassen. Sie hat untersucht, wie Techniken aus generativer KI und Transformer-Architekturen für inverse Probleme angepasst werden können, obwohl ihr Hauptfokus auf physikbasierten Rekonstruktionsmethoden liegt.
Anerkennung und Auszeichnungen
Boumans Beiträge wurden weithin anerkannt. Im Jahr 2019 wurde sie zu einer der 100 Frauen der BBC ernannt. Im Jahr 2021 wurde der Asteroid 291387 Katiebouman nach ihr benannt, und sie erhielt die Progress Medal und die Ehrenmitgliedschaft der Royal Photographic Society. Im Jahr 2024 wurde ihr ein Sloan Research Fellowship verliehen, das Forscher in der frühen Karrierephase in Wissenschaft und Technologie unterstützt.
Ihre Anerkennung spiegelt sowohl ihre technischen Leistungen als auch ihre Rolle als öffentliche Fürsprecherin für kollaborative Wissenschaft wider. Bouman hat über die Bedeutung interdisziplinärer Arbeit gesprochen, die Fachwissen in Physik, Informatik und Datenaugmentierungs-Techniken kombiniert, um Probleme zu lösen, die kein einzelnes Feld allein bewältigen kann.
Auswirkungen auf die computergestützte Bildgebung
Das Bild des Event-Horizon-Teleskops vom Schwarzen Loch im Zentrum der Galaxie M87 war eine wegweisende Leistung in der Wissenschaft. Boumans CHIRP-Algorithmus war eine von mehreren Methoden, die verwendet wurden, um das Bild aus Daten zu rekonstruieren, die von einem globalen Netzwerk von Radioteleskopen gesammelt wurden. Der Erfolg zeigte, dass computergestützte Bildgebung die physikalischen Grenzen der Teleskopauflösung überwinden konnte, ein Prinzip, das heute in Bereichen von der Astronomie bis zu intuitiv-chirurgischen Bildgebungssystemen angewendet wird.
Boumans Ansatz betont die Bedeutung der Unsicherheitsquantifizierung in der Bildgebung. Anstatt ein einzelnes Bild zu erzeugen, generieren ihre Algorithmen mehrere plausible Rekonstruktionen, sodass Wissenschaftler bewerten können, welche Merkmale robust sind und welche von algorithmischen Entscheidungen abhängen. Diese Methodik hat beeinflusst, wie Forscher im maschinellen Lernen Probleme angehen, bei denen keine Grundwahrheit verfügbar ist.
Öffentlichkeitsarbeit und Medien
Das virale Foto von Bouman, das auf das Schwarze-Loch-Bild reagiert, brachte ihr internationale Aufmerksamkeit. Sie hat diese Plattform genutzt, um über die Natur wissenschaftlicher Zusammenarbeit und die Rolle der Berechnung in der modernen Forschung zu sprechen. Ihr TEDx-Vortrag, der vor der Aufnahme des Bildes gehalten wurde, erklärte die algorithmischen Herausforderungen der Bildgebung eines Objekts, das 55 Millionen Lichtjahre entfernt ist.
Bouman hat sich auch mit den Herausforderungen befasst, denen Frauen in MINT-Fächern gegenüberstehen. Die Online-Belästigung, die sie erlebte, machte anhaltende Probleme des Sexismus in der Wissenschaft deutlich, und ihre Reaktion - die Teamarbeit und Beweise betonte - wurde als Modell für den Umgang mit öffentlicher Prüfung zitiert. Sie setzt sich weiterhin für inklusive Forschungsumgebungen ein.
Aktuelle Arbeit
Stand 2024 konzentriert sich Boumans Forschung am Caltech auf die Entwicklung neuer computergestützter Bildgebungssysteme, die physikalische Modelle mit Deep-Learning-Techniken kombinieren. Ihre Gruppe untersucht, wie man Priors aus Daten lernt, während man physikalische Konsistenz beibehält, ein Thema, das sowohl für Computer-Vision- als auch für medizinische Bildgebungsanwendungen relevant ist. Sie erforscht auch Verbindungen zwischen Bildgebung und anderen inversen Problemen in der künstlichen Intelligenz, wie Super-Resolution und Bildrestaurierung.
Boumans Arbeit veranschaulicht die Konvergenz von Signalverarbeitung, Optimierung und maschinellem Lernen, die die moderne computergestützte Wissenschaft kennzeichnet. Ihr Karriereweg - von der Graduiertenforschung am MIT bis zu führenden Rollen in großen wissenschaftlichen Kooperationen - zeigt, wie Grundlagenforschung in Algorithmen zu transformativen Entdeckungen führen kann.