Maschinelles Lernen wurde verwendet, um das erste Bild eines Schwarzen Lochs zu schärfen

Eskere Guru

Die Welt sah begeistert zu, als Wissenschaftler 2019 das allererste Bild eines Schwarzen Lochs enthüllten, das das riesige Schwarze Loch im Zentrum der Galaxie Messier 87 zeigte. Jetzt wurde dieses Bild mithilfe von Techniken des maschinellen Lernens verfeinert und geschärft. Der Ansatz mit der Bezeichnung PRIMO oder Hauptkomponenten-Interferometrie-Modellierung wurde von einigen der gleichen Forscher entwickelt, die am ursprünglichen Event Horizon Telescope-Projekt gearbeitet haben, das das Foto des Schwarzen Lochs gemacht hat.

Dieses Bild kombinierte Daten von sieben Radioteleskopen auf der ganzen Welt, die zusammenarbeiteten, um ein virtuelles erdgroßes Array zu bilden. Während dieser Ansatz erstaunlich effektiv war, um ein so weit entferntes Objekt zu sehen, das sich 55 Millionen Lichtjahre entfernt befindet, bedeutete dies, dass es einige Lücken in den ursprünglichen Daten gab. Der neue maschinelle Lernansatz wurde verwendet, um diese Lücken zu schließen, was ein schärferes und präziseres Endbild ermöglicht.

Ein Forscherteam, darunter ein Astronom vom NOIRLab der NSF, hat eine neue maschinelle Lerntechnik entwickelt, um die Wiedergabetreue und Schärfe von Radiointerferometriebildern zu verbessern. Um die Leistungsfähigkeit ihres neuen Ansatzes mit dem Namen PRIMO zu demonstrieren, erstellte das Team eine neue High-Fidelity-Version des Bildes des legendären Event Horizon Telescope des supermassereichen Schwarzen Lochs im Zentrum von Messier 87, einer riesigen elliptischen Galaxie mit einer Entfernung von 55 Millionen Lichtjahre von der Erde entfernt. Das ursprünglich 2019 von der EHT-Kollaboration veröffentlichte Bild des supermassereichen Schwarzen Lochs M87 (links); und ein neues Bild, das vom PRIMO-Algorithmus unter Verwendung desselben Datensatzes generiert wurde (rechts).
Das Bild des supermassereichen Schwarzen Lochs M87, das ursprünglich 2019 von der Event Horizon Telescope-Kollaboration veröffentlicht wurde (links); und ein neues Bild, das vom PRIMO-Algorithmus unter Verwendung desselben Datensatzes generiert wurde (rechts). L. Medeiros (Institute for Advanced Study), D. Psaltis (Georgia Tech), T. Lauer (NSFs NOIRLab) und F. Ozel (Georgia Tech)

„Mit unserer neuen maschinellen Lerntechnik PRIMO konnten wir die maximale Auflösung des aktuellen Arrays erreichen“, sagte die Hauptautorin der Forschung, Lia Medeiros vom Institute for Advanced Study, in einerErklärung . „Da wir Schwarze Löcher nicht aus der Nähe untersuchen können, spielt das Detail in einem Bild eine entscheidende Rolle für unsere Fähigkeit, sein Verhalten zu verstehen. Die Breite des Rings im Bild ist jetzt etwa um den Faktor zwei kleiner, was eine starke Einschränkung für unsere theoretischen Modelle und Tests der Schwerkraft darstellen wird.“

PRIMO wurde mit Zehntausenden von Beispielbildern trainiert, die aus Simulationen von Gasansammlungen auf einem Schwarzen Loch erstellt wurden. Durch die Analyse der aus diesen Simulationen resultierenden Bilder auf Muster konnte PRIMO die Daten für das EHT-Bild verfeinern. Es ist geplant, dass die gleiche Technik auch für zukünftige Beobachtungen aus der EHT-Kollaboration verwendet werden kann.

„PRIMO ist ein neuer Ansatz für die schwierige Aufgabe, Bilder aus EHT-Beobachtungen zu konstruieren“, sagte ein weiterer Forscher, Tod Lauer vom NOIRLab der NSF. „Es bietet eine Möglichkeit, die fehlenden Informationen über das beobachtete Objekt zu kompensieren, die erforderlich sind, um das Bild zu erzeugen, das mit einem einzigen gigantischen Radioteleskop von der Größe der Erde gesehen worden wäre.“

Im Jahr 2022 ließ die EHT-Kollaboration ihr Bild des Schwarzen Lochs in M87 um ein atemberaubendes Bild des Schwarzen Lochs im Herzen der Milchstraße erweitern, sodass dieses Bild das nächste Ziel für die Schärfung mit dieser Technik sein könnte.

„Das Bild von 2019 war nur der Anfang“, sagte Medeiros. „Wenn ein Bild mehr als tausend Worte sagt, haben die Daten, die diesem Bild zugrunde liegen, noch viel mehr Geschichten zu erzählen. PRIMO wird auch weiterhin ein entscheidendes Werkzeug sein, um solche Erkenntnisse zu gewinnen.“

Die Forschung wurde in The Astrophysical Journal Letters veröffentlicht.