Штучний інтелект показує приголомшливе зображення надмасивної чорної діри M87 у високій роздільній здатності

Використовуйте астрономів[{” 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.

Огляд симуляцій, створених для навчального набору алгоритмів PRIMO. Авторство зображення: Medeiros et al. 2023 рік

Зображення EHT надмасивної чорної діри в центрі еліптичної галактики, відомої як M87, приблизно за 55 мільйонів світлових років від Землі, вразило науковий світ у 2019 році. Зображення було отримано шляхом поєднання спостережень із глобальної групи радіотелескопів — але прогалини в даних означають, що зображення було дещо неоднозначним і нечітким.

У дослідженні, опублікованому минулого тижня в Листи астрофізичного журналуМіжнародна група астрономів описала, як вони заповнили прогалини, проаналізувавши понад 30 000 змодельованих зображень чорної діри.

«Використовуючи новий метод машинного навчання PRIMO, ми змогли досягти максимальної точності існуючої матриці», — сказала в прес-релізі провідний автор дослідження Лія Медейрос з Інституту перспективних досліджень.

PRIMO звузив і загострив погляд EHT на кільце гарячої матерії, що обертається навколо чорної діри, коли вона потрапляє в гравітаційну сингулярність. Медейрос пояснив, що це робить його більше, ніж просто кращим фото.

«Оскільки ми не можемо уважно вивчати чорні діри, деталі зображення відіграють важливу роль у нашій здатності зрозуміти їхню поведінку», — сказала вона. «Ширина кільця на зображенні тепер приблизно вдвічі менша, що буде сильним обмеженням для наших теоретичних моделей і гравітаційних тестів».

Техніка, розроблена Медейрос та її колегами, відома як Моделювання інтерферометрії головних компонент, або скорочено PRIMO – аналізує великі набори даних навчальних зображень, щоб визначити найкращі способи заповнення відсутніх даних. Це схоже на те, як дослідники ШІ аналізували музичні твори Людвіга фон Бетховена Створює партитуру до Незакінченої Десятої симфонії композитора.

У модель PRIMO було введено десятки тисяч змодельованих EHT-зображень, які охоплюють широкий діапазон структурних моделей закрученого газу в чорній дірі M87. Симуляції, які забезпечили найкращу відповідність наявним даним, були об’єднані разом, щоб створити високоточну реконструкцію відсутніх даних. Потім отримане зображення було повторно оброблено, щоб відповідати фактичній максимальній роздільній здатності EHT.

Дослідники кажуть, що нове зображення має привести до більш точного визначення маси чорної діри M87 і масштабу її горизонту подій і кільця акреції. Ці рішення, у свою чергу, можуть призвести до більш надійних перевірок альтернативних теорій щодо чорних дір і гравітації.

Чітке зображення M87 – це лише початок. PRIMO також можна використовувати для покращення нечіткого зображення Стрільця A*, надмасивної чорної діри в нашому центрі, телескопом Event Horizon Telescope.[{” 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