La inteligencia artificial revela una impresionante vista de alta definición del agujero negro supermasivo de M87

El agujero negro supermasivo M87 fotografiado originalmente por la colaboración EHT en 2019 (izquierda); y una nueva imagen generada por el algoritmo PRIMO utilizando el mismo conjunto de datos (derecha). Crédito: Medeiros et al. en 2023

Los astrónomos utilizaron[{» 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.

Descripción general de las simulaciones generadas para el conjunto de entrenamiento del algoritmo PRIMO. Crédito: Medeiros et al. en 2023

Una imagen EHT del agujero negro supermasivo en el centro de una galaxia elíptica llamada M87, a unos 55 millones de años luz de la Tierra, asombró al mundo científico en 2019. La imagen se obtuvo combinando las observaciones del conjunto mundial de radiotelescopios. sin embargo, las lagunas en los datos significaron que la imagen estaba incompleta y algo borrosa.

En un estudio publicado la semana pasada Las cartas del diario astrofísicoUn equipo internacional de astrónomos describió cómo llenaron los vacíos analizando más de 30.000 imágenes simuladas de agujeros negros.

«Con nuestra nueva técnica de aprendizaje automático, PRIMO, pudimos lograr la resolución máxima de una matriz actual», dijo la autora principal del estudio, Lia Medeiros, del Instituto de Estudios Avanzados.

PRIMO adelgazó y agudizó la visión del EHT de un anillo de material caliente girando alrededor de un agujero negro mientras caía en una singularidad gravitatoria. Es más que una imagen más bonita, explicó Medeiros.

«Debido a que no podemos estudiar los agujeros negros de cerca, los detalles de la imagen juegan un papel importante en nuestra capacidad para comprender su comportamiento», dijo. «El ancho del anillo en la imagen ahora es más pequeño por un factor de aproximadamente dos, lo que será una poderosa restricción en nuestros modelos teóricos y pruebas de gravedad».

Una técnica desarrollada por Medeiros y colegas, conocida como modelado interferométrico de componentes principales, o PRIMO para abreviar, analiza grandes conjuntos de datos de imágenes de entrenamiento para identificar las formas más probables de completar los datos faltantes. Es similar a cómo los investigadores de IA utilizaron el análisis de las composiciones musicales de Ludwig von Beethoven. para componer para la décima sinfonía inacabada del compositor.

Decenas de miles de imágenes EHT simuladas se introdujeron en el modelo PRIMO, cubriendo una amplia gama de patrones estructurales en el gas que gira dentro del agujero negro de M87. Las simulaciones que mejor se ajustaban a los datos disponibles se fusionaron para proporcionar una reconstrucción de alta fidelidad de los datos faltantes. Luego, la imagen resultante se reprocesó para que coincidiera con la resolución máxima real del EHT.

Los investigadores dicen que la nueva imagen debería conducir a una determinación más precisa de la masa del agujero negro, el horizonte de eventos y el anillo de acreción de M87. Esas decisiones, a su vez, podrían conducir a pruebas más sólidas de teorías alternativas sobre los agujeros negros y la gravedad.

Una imagen más clara de M87 es solo el comienzo. PRIMO también se puede utilizar para agudizar la débil visión del Event Horizon Telescope de Sagitario A*, el agujero negro supermasivo en nuestro propio 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