Gli astronomi hanno utilizzato l’apprendimento automatico per mettere a punto la prima immagine di un buco nero dall’Event Horizon Telescope, un esercizio che dimostra il valore dell’intelligenza artificiale per mettere a punto le osservazioni cosmologiche.

L’immagine dovrebbe guidare gli scienziati mentre mettono alla prova le loro ipotesi sul comportamento dei buchi neri e sulle regole di gravità in arrivo in condizioni estreme.

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, Abbaglia 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 significavano che l’immagine era irregolare e alquanto sfocata.

In Uno studio pubblicato questa settimana su Astrophysical Journal LettersUn 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 attuale”, ha affermato l’autrice principale dello studio Leah Medeiros dell’Institute for Advanced Study. ha detto in un comunicato stampa.

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 IA 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 centro della nostra galassia, la Via Lattea. E non è tutto: le tecniche di apprendimento automatico di PRIMO possono essere applicate a molto di più dei buchi neri. “Questo potrebbe avere importanti implicazioni per l’interferometria, che svolge un ruolo in campi che vanno dagli esopianeti alla medicina”, ha detto Medeiros.

Oltre a Medeiros, gli autori Immagine del buco nero M87 ricostruito usando PRIMO. In The Astrophysical Journal le lettere includono Dimitrios Psaltis, Tod Lauer e Feryal Özel. Lo sviluppo dell’algoritmo PRIMO è stato reso possibile dal supporto di Borsa di studio post-dottorato della National Science Foundation in astronomia e astrofisica.