اولین عکس از سیاهچاله توسط هوش مصنوعی ویرایش شد

تصویر ابر سیاهچاله در قلب کهکشان مسیه 87 توسط یک برنامه یادگیری ماشینی آموزش داده شده بر روی مدل‌های سیاهچاله‌ها بهبود یافته است.

در واقع، این سیاهچاله عظیم دوردست پس از تغییر توسط یک ابر رایانه، اکنون واضح تر به نظر می رسد.

این “دونات نارنجی تار” که در اولین تصویر از یک سیاهچاله دیده می شود، اکنون با استفاده از یادگیری ماشینی و فناوری هوش مصنوعی به یک “حلقه طلایی نازک” تبدیل شده است.

بازتعریف این تصویر از ابر سیاهچاله در قلب کهکشان مسیه 87 (M87) می تواند به ما در درک بهتر خواص آن کمک کند و همچنین می تواند به سیاهچاله در قلب کهکشان خودمان، کهکشان راه شیری نیز تعمیم یابد.

تصویر تاریخی ابر سیاه‌چاله M87، معروف به *M87، توسط تلسکوپ افق رویداد (EHT) گرفته شد و در سال 2019 برای عموم آشکار شد. داده‌های ایجاد این تصویر توسط EHT طی چند روز در سال 2017 جمع‌آوری شد.

تلسکوپ افق رویداد شبکه ای متشکل از هفت تلسکوپ در سراسر جهان است که تلسکوپی به اندازه زمین ایجاد می کند، اما علیرغم قدرت رصد ترکیبی آن، هنوز هم شکاف هایی در داده هایی که جمع آوری می کند، مانند قطعات گمشده یک پازل وجود دارد.

گروهی از محققان به سرپرستی لیا مدیروس، عضو هیئت همکاری EHT و محقق فوق دکتری در اخترفیزیک، از یک روش یادگیری ماشینی جدید به نام مدل‌سازی تداخل سنجی مؤلفه اصلی (PRIMO) برای پر کردن این شکاف‌ها در تصویر این سیاه‌چاله و افزایش آن استفاده کردند. EHT آرایه را به حداکثر پتانسیل خود برساند. برای اولین بار برای دستیابی به این وضوح استفاده شد.

مدیروس در بیانیه‌ای گفت: «از آنجایی که نمی‌توانیم سیاه‌چاله‌ها را از نزدیک مطالعه کنیم، جزئیات تصویر نقش مهمی در توانایی ما برای درک رفتار آنها بازی می‌کند. عرض حلقه اطراف سیاهچاله در این تصویر در حال حاضر نصف شده است، که محدودیتی قوی برای مدل‌های نظری و آزمایش‌های گرانشی ما خواهد بود.

هنگامی که تصویر ابر سیاهچاله M87*، در فاصله 55 میلیون سال نوری از زمین و با جرمی برابر با شش و نیم میلیارد خورشید، برای اولین بار آشکار شد، دانشمندان شگفت زده شدند که چقدر با پیش بینی های نظریه آلبرت انیشتین در سال 1915 مطابقت دارد. از نظریه نسبیت عام. شد

تصویر جدید تصحیح شده توسط PRIMO از *M87 به دانشمندان فرصتی می دهد تا مشاهدات یک سیاهچاله واقعی را با پیش بینی های نظری بهتر مطابقت دهند.

Todd Lauer، عضو هیئت همکاری EHT می گوید: «PRIMO یک رویکرد جدید برای کار دشوار تصویربرداری مشاهدات EHT است. این روشی را برای جبران اطلاعات گمشده در مورد جسم مشاهده شده که برای ایجاد تصویر مشاهده شده با استفاده از تلسکوپ رادیویی غول پیکر به اندازه زمین مورد نیاز است، فراهم می کند.

آموزش PRIMO برای ایجاد تصویر بهتر از سیاهچاله

مؤسسه مطالعات پیشرفته پرینستون توضیح داد که PRIMO با استفاده از یادگیری فرهنگ لغت در شاخه ای از یادگیری ماشینی کار می کند که به رایانه ها اجازه می دهد قوانینی را بر اساس مجموعه بزرگی از داده های آموزشی تولید کنند. به عنوان مثال، اگر به برنامه ای مانند این چندین تصویر از یک موز داده شود، می تواند متوجه شود که آیا تصویر یک شی ناشناخته موز است یا خیر.

برای آموزش پریمو برای انجام همین کار با سیاهچاله‌ها در فرآیندی به نام برافزایش، دانشمندان 30000 تصویر شبیه‌سازی شده با وضوح بالا از این نقاط کیهانی را در حالی که از گاز اطراف تغذیه می‌کنند، به آن‌ها دادند. این تصاویر طیف گسترده‌ای از پیش‌بینی‌های نظری در مورد چگونگی ایجاد ماده در سیاه‌چاله‌ها را به PRIMO ارائه می‌کنند که به آن اجازه می‌دهد به دنبال الگوها باشد.

پس از شناسایی، این الگوها بر اساس تعداد دفعاتی که در شبیه سازی ها گنجانده شده اند، دسته بندی می شوند. سپس می‌توان آن‌ها را در تصاویر EHT گنجاند تا تصویری با وفاداری بالا از داده‌های به‌دست‌آمده توسط M87* ایجاد شود و ساختارهایی را که تلسکوپ ممکن است از دست داده است را آشکار کند.

مدیروس توضیح داد: «ما از فیزیک برای پر کردن شکاف داده‌های از دست رفته استفاده می‌کنیم، به گونه‌ای که پیش از استفاده از یادگیری ماشین هرگز استفاده نشده بود. این روش می تواند پیامدهای مهمی برای تداخل سنجی داشته باشد که در زمینه هایی مانند سیارات فراخورشیدی و پزشکی نقش دارد.

تصویر بدست آمده توسط PRIMO با داده های EHT و مدل های نظری سیاهچاله ها مطابقت دارد. این مدل‌ها توضیح می‌دهند که حلقه درخشانی که در تصاویر M87 مشاهده می‌شود، نتیجه شتاب گاز به نزدیک سرعت نور توسط تأثیر گرانشی باورنکردنی سیاه‌چاله است. این باعث می شود که گاز گرم شود و بدرخشد زیرا سطح به دام انداختن نور را که مرزهای بیرونی سیاهچاله را تشکیل می دهد، که افق رویداد نامیده می شود، احاطه می کند.

مدیروس تأکید کرد: «نزدیک به چهار سال پس از اینکه EHT اولین تصویر از یک سیاه‌چاله را در سال 2019 نشان داد، ما به نقطه عطف دیگری رسیدیم و تصویری را تولید کردیم که برای اولین بار از وضوح کامل استفاده می‌کند.»

وی افزود: روش‌های جدید یادگیری ماشینی که ما ایجاد کرده‌ایم فرصت طلایی برای کار جمعی برای درک فیزیک سیاهچاله‌ها فراهم می‌کند.

اکنون می توان از روش PRIMO برای تصویربرداری از یک ابر سیاهچاله در قلب کهکشان راه شیری استفاده کرد.

تلسکوپ EHT از سیاهچاله مرکز کهکشان راه شیری، کوچکتر اما بسیار نزدیکتر از M87، به نام Sagittarius A* یا Sgr A*، در ماه می 2022 تصویربرداری کرد.

تصویری از *Sgr A نیز با استفاده از داده های EHT در سال 2017 جمع آوری شد، اما اندازه کوچکتر سیاهچاله چهار میلیون خورشیدی که در فاصله 26000 سال نوری از زمین قرار دارد، پالایش داده ها را دشوارتر کرد.

استفاده از PRIMO برای افزایش وضوح تصاویر EHT می تواند به اصلاح بهتر تخمین های خواص دو ابرسیاهچاله، از جمله جرم، اندازه و مصرف مواد کمک کند.

پس از همه، Medeiros گفت: تصویر 2019 تنها آغاز بود. اگر یک عکس ارزش هزار کلمه را داشته باشد، داده های زیربنایی آن تصویر داستان های بیشتری برای گفتن دارد. PRIMO همچنین ابزاری حیاتی برای استخراج چنین بینش هایی خواهد بود.

تحقیقات این گروه (13 آوریل 2023) در Astrophysical Journal Letters منتشر شده است.

منبع: آخرین خبر