Katherine Louise Bouman（生于1989年）是一位美国工程师和计算机科学家，从事计算成像领域的研究。她领导开发了一种用于黑洞成像的算法，称为基于补丁先验的连续高分辨率图像重建（CHIRP），并且是事件视界望远镜团队的成员，该团队拍摄了第一张黑洞图像。
Bouman的工作将机器学习和人工智能相结合，以解决成像中的逆问题，其目标是从间接测量中重建隐藏对象。她对事件视界望远镜项目的贡献证明了计算方法如何从稀疏且嘈杂的数据中提取物理信息，这是现代深度学习研究的核心挑战。
早年生活与教育
Bouman在印第安纳州西拉法叶长大。她的父亲Charles Bouman是普渡大学电气与计算机工程及生物医学工程教授。高中期间，Bouman在普渡大学进行了成像研究，早期接触了这一领域。她于2007年毕业于西拉法叶初中高中。
Bouman在密歇根大学学习电气工程，并于2011年以最高荣誉毕业。她于2013年获得硕士学位，并于2017年在麻省理工学院（MIT）获得电气工程与计算机科学博士学位。在MIT期间，她是MIT计算机科学与人工智能实验室（MIT CSAIL）的成员，该实验室与MIT的海斯塔克天文台和事件视界望远镜密切合作。她获得了国家科学基金会研究生奖学金的支持。
她的硕士论文《通过观察运动估算织物材料属性》获得了电气工程最佳硕士论文的Ernst Guillemin奖。她的博士论文《通过物理模型反演进行极端成像：绕过角落观察和黑洞成像》由William T. Freeman指导。在获得博士学位之前，Bouman发表了TEDx演讲《如何拍摄黑洞照片》，解释了可用于捕捉第一张黑洞图像的算法。
研究与职业
获得博士学位后，Bouman加入哈佛大学，担任事件视界望远镜成像团队的博士后研究员。她于2013年加入事件视界望远镜项目，并领导了CHIRP算法的开发。CHIRP是一种计算成像技术，使用补丁先验（小图像补丁的统计模型）从稀疏望远镜数据中重建高分辨率图像。
CHIRP启发了2019年4月获取第一张黑洞图像时使用的图像验证程序。Bouman在该项目中发挥了重要作用，包括验证图像、选择事件视界望远镜拍摄图像的滤波参数，以及参与开发一个比较不同图像重建技术结果的稳健成像框架。她的团队继续分析事件视界望远镜的图像，以深入了解强引力场中的广义相对论。
在EHT图像中检测到黑洞阴影后，一张显示Bouman反应的照片走红，Bouman因此获得了大量媒体关注。一些媒体和互联网上的言论误导性地暗示Bouman是图像背后的“孤独天才”。然而，Bouman本人多次指出，这一结果来自大型合作团队的工作，显示了团队合作在科学中的重要性。Bouman也成为网络骚扰的目标，以至于她的同事Andrew Chael在Twitter上发表声明，批评“对我同事和朋友的可恶且性别歧视的攻击”，包括试图通过将团队完成的工作完全归功于他来削弱她的贡献。
学术任命
Bouman于2019年6月加入加州理工学院（Caltech），担任助理教授，致力于使用计算机视觉和机器学习开发新的计算成像系统。2020年，Caltech授予她一个冠名教授职位。2024年，她被提升为计算与数学科学、电气工程和天文学副教授，并成为Rosenberg学者。
在Caltech，Bouman领导一个研究小组，专注于开发将物理模型与神经网络方法相结合的算法。她的工作不仅限于黑洞成像，还扩展到医学成像和其他传感器捕获不完整数据的领域。她探索了如何将生成式人工智能和变换器架构的技术应用于逆问题，尽管她的主要重点仍然是基于物理的重建方法。
认可与奖项
Bouman的贡献得到了广泛认可。2019年，她被BBC评为100位女性之一。2021年，小行星291387 Katiebouman以她的名字命名，她还获得了皇家摄影学会进步奖章和荣誉会员资格。2024年，她获得了斯隆研究奖学金，该奖学金支持科学与技术领域的早期职业研究者。
她的认可既反映了她的技术成就，也反映了她作为合作科学公共倡导者的角色。Bouman曾谈到跨学科工作的重要性，结合物理学、计算机科学和数据增强技术的专业知识，以解决任何单一领域无法单独应对的问题。
对计算成像的影响
事件视界望远镜拍摄的M87星系中心黑洞图像是科学上的里程碑成就。Bouman的CHIRP算法是用于从全球射电望远镜网络收集的数据中重建图像的几种方法之一。这一成功证明了计算成像可以克服望远镜分辨率的物理限制，这一原理现在应用于从天文学到直觉外科成像系统等多个领域。
Bouman的方法强调了成像中不确定性量化的重要性。她的算法不是生成单一图像，而是生成多个合理的重建结果，使科学家能够评估哪些特征是稳健的，哪些依赖于算法选择。这种方法影响了机器学习研究者处理无地面真值问题的方式。
公众参与与媒体
Bouman对黑洞图像反应的走红照片使她获得了国际关注。她利用这一平台讨论科学合作的性质以及计算在现代研究中的作用。她的TEDx演讲在图像拍摄前发表，解释了成像距离5500万光年外物体的算法挑战。
Bouman还谈到了女性在STEM领域面临的挑战。她经历的网络骚扰凸显了科学中性别歧视的持续问题，而她以团队合作和证据为重点的回应被引用为处理公众审视的典范。她继续倡导包容性的研究环境。
当前工作
截至2024年，Bouman在Caltech的研究重点是开发结合物理模型与深度学习技术的新计算成像系统。她的团队研究如何从数据中学习先验，同时保持物理一致性，这一主题与计算机视觉和医学成像应用都相关。她还探索了成像与人工智能中其他逆问题（如超分辨率和图像恢复）之间的联系。
Bouman的工作体现了信号处理、优化和机器学习的融合，这正是现代计算科学的特征。她的职业轨迹，从MIT的研究生研究到重大科学合作中的领导角色，说明了算法基础研究如何带来变革性的发现。