Изкуственият интелект разкрива зашеметяващ изглед с висока разделителна способност на супермасивната черна дупка на M87

Използвайте астрономи[{“ attribute=““>machine learning to improve the Event Horizon Telescope’s first black hole image, aiding in black hole behavior understanding and testing gravitational theories. The new technique, called PRIMO, has potential applications in various fields, including exoplanets and medicine.

Astronomers have used machine learning to sharpen up the Event Horizon Telescope’s first picture of a black hole — an exercise that demonstrates the value of artificial intelligence for fine-tuning cosmic observations.

The image should guide scientists as they test their hypotheses about the behavior of black holes, and about the gravitational rules of the road under extreme conditions.

Преглед на симулациите, генерирани за набора за обучение на алгоритъм PRIMO. Кредит: Medeiros et al. 2023 г

EHT изображение на супермасивната черна дупка в центъра на елиптична галактика, известна като M87, на около 55 милиона светлинни години от Земята, заслепи света на науката през 2019 г. Изображението е получено чрез комбиниране на наблюдения от глобален набор от радиотелескопи – но пропуските в данните означават, че картината е донякъде неравномерна и размита.

В проучване, публикувано миналата седмица в Astrophysical Journal LettersМеждународен екип от астрономи описа как са запълнили празнините, като са анализирали повече от 30 000 симулирани изображения на черна дупка.

„Използвайки нов метод за машинно обучение, PRIMO, успяхме да постигнем максимална точност за съществуващата матрица“, каза водещият автор на изследването Леа Медейрос от Института за напреднали изследвания в прессъобщение.

PRIMO стесни и изостри погледа на EHT върху пръстена от гореща материя, обикалящ около черната дупка, докато тя попада в гравитационна сингулярност. Медейрос обясни, че това го прави нещо повече от по-красива снимка.

„Тъй като не можем да изучаваме черните дупки отблизо, детайлите на изображението играят важна роля в способността ни да разберем тяхното поведение“, каза тя. „Ширината на пръстена в изображението сега е около два пъти по-малка, което ще бъде силно ограничение за нашите теоретични модели и гравитационни тестове.“

Техниката, разработена от Медейрос и нейните колеги – известна като Интерферометрично моделиране на главните компоненти, или накратко PRIMO – анализира големи набори от данни от тренировъчни изображения, за да разбере най-добрите начини за попълване на липсващите данни. Това е подобно на начина, по който изследователите на AI анализират музикалните произведения на Лудвиг фон Бетовен Създава партитура за Незавършената десета симфония на композитора.

Десетки хиляди симулирани EHT изображения са въведени в модела PRIMO, покривайки широк спектър от структурни модели на завихрен газ в черната дупка на M87. Симулациите, които осигуряват най-доброто съответствие с наличните данни, бяха комбинирани заедно, за да се получи висококачествена реконструкция на липсващите данни. След това полученото изображение беше повторно обработено, за да съответства на действителната максимална разделителна способност на EHT.

Изследователите казват, че новото изображение трябва да доведе до по-точни определяния на масата на черната дупка M87 и степента на нейния хоризонт на събитията и акреционния пръстен. Тези решения от своя страна биха могли да доведат до по-стабилни тестове на алтернативни теории относно черните дупки и гравитацията.

По-ясната картина на M87 е само началото. PRIMO може да се използва и за изостряне на размития изглед на телескопа Event Horizon на Стрелец A*, супермасивната черна дупка в нашия център.[{“ attribute=““>Milky Way galaxy. And that’s not all: The machine learning techniques employed by PRIMO could be applied to much more than black holes. “This could have important implications for interferometry, which plays a role in fields from exoplanets to medicine,” Medeiros said.

Adapted from an article originally published on Universe Today.

Reference: “The Image of the M87 Black Hole Reconstructed with PRIMO” by Lia Medeiros, Dimitrios Psaltis, Tod R. Lauer and Feryal Özel3, 13 April 2023, The Astrophysical Journal Letters.
DOI: 10.3847/2041-8213/acc32d