Científicos mejoran primera imagen de un agujero negro

La icónica primera imagen de un agujero negro supermasivo, tomada en 2019 por la colaboración Event Horizon Telescope (EHT), en el corazón de la galaxia Messier 87, ha sido mejorada por un programa de aprendizaje automático.

La “rosquilla naranja difusa” que se ve en la primera imagen de un agujero negro jamás tomada se ha reducido a un “anillo dorado delgado” más delgado con la ayuda del programa, entrenado en modelos de agujeros negros en una supercomputadora.

La redefinición de esta imagen del agujero negro supermasivo en el corazón de la galaxia Messier 87 (M87) podría ayudar a comprender mejor sus características y podría extenderse al agujero negro en el corazón de nuestra propia galaxia, la Vía Láctea.

La histórica imagen fue tomada por el Event Horizon Telescope (EHT) y se reveló al público en 2019. El EHT recopiló los datos para crear la imagen durante varios días en 2017. El EHT es una red de siete telescopios en todo el mundo que crea un telescopio del tamaño de la Tierra.

Aprendizaje automático

Un equipo de investigadores, incluida la miembro de la colaboración EHT y becaria postdoctoral en astrofísica Lia Medeiros, utilizó una nueva técnica de aprendizaje automático llamada modelado interferométrico de componentes principales o “PRIMO” para “llenar los vacíos” en la imagen M87 y aumentar la matriz EHT a máxima resolución por primera vez.

Dado que no podemos estudiar los agujeros negros de cerca, el detalle de una imagen juega un papel fundamental en nuestra capacidad para comprender su comportamiento” dijo Medeiros.

Cuando se reveló por primera vez la imagen del agujero negro supermasivo en M87, que se encuentra a 55 millones de años luz de la Tierra y tiene una masa equivalente a 6 mil 500 millones de soles, los científicos se sorprendieron de lo bien que coincidía con las predicciones de la teoría general de la relatividad de Albert Einstein de 1915.

Esta imagen refinada por “PRIMO” del agujero negro de M87 brinda a los científicos la oportunidad de hacer coincidir mejor las observaciones de un agujero negro real con las predicciones teóricas.

‘PRIMO’ es un nuevo enfoque para la difícil tarea de construir imágenes a partir de observaciones de EHT. Proporciona una forma de compensar la información faltante sobre el objeto que se observa, que se requiere para generar la imagen que se habría visto utilizando un único radiotelescopio gigantesco del tamaño de la Tierra” dijo Tod Lauer, miembro de EHT e investigador de NOIRLab.

 

Más datos de “PRIMO”

El Instituto de Estudios Avanzados de Princeton explicó que “PRIMO” opera utilizando el aprendizaje de diccionario, una rama del aprendizaje automático que permite a las computadoras generar reglas basadas en grandes conjuntos de material de capacitación.

Entonces, por ejemplo, si un programa como este recibe varias imágenes de un plátano, puede aprender a determinar si una imagen de un objeto desconocido es un plátano o no.

Para entrenar a “PRIMO” para que hiciera lo mismo con los agujeros negros, el equipo le proporcionó 30 mil imágenes simuladas de alta fidelidad de estos titanes cósmicos, mientras se alimentaban del gas circundante, un proceso llamado “acreción”.

Las imágenes cubrieron una amplia variedad de predicciones teóricas sobre cómo los agujeros negros acumulan materia, lo que permite a “PRIMO” buscar patrones.

Una vez identificados, estos patrones se ordenaron en función de la frecuencia con la que se incluyeron en las simulaciones. Luego, esto podría incorporarse a las imágenes EHT para crear una imagen de alta fidelidad del agujero negro de M87 y revelar estructuras que el conjunto de telescopios podría haber pasado por alto.