Usa gli astronomi[{” 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.
Panoramica delle simulazioni generate per il training set dell’algoritmo PRIMO. Credito: Medeiros et al. 2023
Un’immagine EHT del buco nero supermassiccio al centro di una galassia ellittica nota come M87, a circa 55 milioni di anni luce dalla Terra, ha abbagliato il mondo della scienza nel 2019. L’immagine è stata prodotta combinando le osservazioni di una serie globale di radiotelescopi: ma le lacune nei dati indicano che l’immagine era alquanto irregolare e sfocata.
In uno studio pubblicato la scorsa settimana sul Lettere del diario astrofisicoUn team internazionale di astronomi ha descritto come hanno colmato le lacune analizzando più di 30.000 immagini simulate di un buco nero.
“Utilizzando un nuovo metodo di apprendimento automatico, PRIMO, siamo stati in grado di ottenere la massima precisione per la matrice esistente”, ha affermato in un comunicato stampa l’autrice principale dello studio Leah Medeiros dell’Institute for Advanced Study.
PRIMO ha ristretto e affinato la visione dell’EHT dell’anello di materia calda che orbita attorno al buco nero mentre cade in una singolarità gravitazionale. Medeiros ha spiegato che questo lo rende più di una semplice foto più carina.
“Poiché non possiamo studiare i buchi neri da vicino, i dettagli dell’immagine giocano un ruolo importante nella nostra capacità di comprendere il loro comportamento”, ha detto. “La larghezza dell’anello nell’immagine è ora circa due volte più piccola, il che rappresenterà un forte limite per i nostri modelli teorici e i test di gravità”.
La tecnica sviluppata da Medeiros e dai suoi colleghi – nota come Modellazione dell’interferometria delle componenti principali, o PRIMO in breve: analizza grandi set di dati di immagini di addestramento per capire i modi migliori per inserire i dati mancanti. È simile al modo in cui i ricercatori di intelligenza artificiale analizzavano le opere musicali di Ludwig von Beethoven Produce una colonna sonora per la decima sinfonia incompiuta del compositore.
Decine di migliaia di immagini EHT simulate sono state inserite nel modello PRIMO, coprendo un’ampia gamma di schemi strutturali del gas vorticoso nel buco nero di M87. Le simulazioni che hanno fornito il miglior adattamento ai dati disponibili sono state combinate insieme per produrre una ricostruzione ad alta fedeltà dei dati mancanti. L’immagine risultante è stata quindi rielaborata per corrispondere alla risoluzione massima effettiva dell’EHT.
I ricercatori affermano che la nuova immagine dovrebbe portare a determinazioni più accurate della massa del buco nero di M87 e dell’estensione del suo orizzonte degli eventi e dell’anello di accrescimento. Queste decisioni, a loro volta, potrebbero portare a test più robusti di teorie alternative riguardanti i buchi neri e la gravità.
L’immagine più chiara dell’M87 è solo l’inizio. PRIMO può anche essere utilizzato per rendere più nitida la vista sfocata dell’Event Horizon Telescope di Sagittarius A*, il buco nero supermassiccio al nostro centro.[{” 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
“Sottilmente affascinante social mediaholic. Pioniere della musica. Amante di Twitter. Ninja zombie. Nerd del caffè.”