Inteligência artificial revela uma visão impressionante e de alta resolução do buraco negro supermassivo de M87

usar astrônomos[{” 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.

Visão geral das simulações geradas para o conjunto de treinamento do algoritmo PRIMO. Crédito: Medeiros et al. 2023

Uma imagem EHT do buraco negro supermassivo no centro de uma galáxia elíptica conhecida como M87, a cerca de 55 milhões de anos-luz da Terra, deslumbrou o mundo da ciência em 2019. A imagem foi produzida combinando observações de um conjunto global de radiotelescópios – mas as lacunas nos dados significam que a imagem era um tanto irregular e confusa.

Em um estudo publicado na semana passada no Cartas do Diário AstrofísicoUma equipe internacional de astrônomos descreveu como eles preencheram as lacunas analisando mais de 30.000 imagens simuladas de um buraco negro.

“Usando um novo método de aprendizado de máquina, PRIMO, conseguimos obter a máxima precisão para a matriz existente”, disse a principal autora do estudo, Leah Medeiros, do Instituto de Estudos Avançados, em um comunicado à imprensa.

O PRIMO estreitou e aguçou a visão do EHT do anel de matéria quente que orbita o buraco negro enquanto ele cai em uma singularidade gravitacional. Medeiros explicou que isso o torna mais do que apenas uma foto mais bonita.

“Como não podemos estudar os buracos negros de perto, os detalhes da imagem desempenham um papel importante em nossa capacidade de entender seu comportamento”, disse ela. “A largura do anel na imagem agora é cerca de duas vezes menor, o que será uma forte limitação para nossos modelos teóricos e testes de gravidade”.

A técnica desenvolvida por Medeiros e seus colegas – conhecida como Modelagem de interferometria de componente principal, ou PRIMO para análises curtas de grandes conjuntos de dados de imagens de treinamento para descobrir as melhores maneiras de preencher os dados ausentes. É semelhante à maneira como os pesquisadores de IA costumavam analisar as obras musicais de Ludwig von Beethoven Produz uma partitura para a Décima Sinfonia Inacabada do compositor.

Dezenas de milhares de imagens EHT simuladas foram inseridas no modelo PRIMO, cobrindo uma ampla gama de padrões estruturais de gás em turbilhão no buraco negro de M87. As simulações que forneceram o melhor ajuste aos dados disponíveis foram combinadas para produzir uma reconstrução de alta fidelidade dos dados ausentes. A imagem resultante foi então reprocessada para corresponder à resolução máxima real do EHT.

Os pesquisadores dizem que a nova imagem deve levar a determinações mais precisas da massa do buraco negro de M87 e da extensão de seu horizonte de eventos e anel de acreção. Essas decisões, por sua vez, podem levar a testes mais robustos de teorias alternativas sobre buracos negros e gravidade.

A imagem mais nítida do M87 é apenas o começo. O PRIMO também pode ser usado para aprimorar a visão difusa do Event Horizon Telescope de Sagitário A*, o buraco negro supermassivo em nosso 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