Pasinaudokite astronomais[{” 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.

Modeliacijų, sukurtų PRIMO algoritmo mokymo rinkiniui, apžvalga. Kreditas: Medeiros ir kt. 2023 m

EHT vaizdas iš supermasyvios juodosios skylės elipsinės galaktikos, žinomos kaip M87, centre, maždaug už 55 milijonų šviesmečių nuo Žemės, sužavėjo mokslo pasaulį 2019 m. Vaizdas buvo gautas derinant stebėjimus iš pasaulinio radijo teleskopų masyvo. bet spragų Duomenys reiškia, kad vaizdas buvo šiek tiek neryškus ir neryškus.

Praėjusią savaitę paskelbtame tyrime Astrofizikos žurnalo laiškaiTarptautinė astronomų komanda aprašė, kaip jie užpildė spragas, išanalizavę daugiau nei 30 000 imituotų juodosios skylės vaizdų.

„Naudodami naują mašininio mokymosi metodą PRIMO, galėjome pasiekti maksimalų esamos matricos tikslumą“, – pranešime spaudai sakė tyrimo vadovė Leah Medeiros iš Išplėstinių studijų instituto.

PRIMO susiaurino ir paaštrino EHT vaizdą apie karštos medžiagos žiedą, skriejantį aplink juodąją skylę, kai jis patenka į gravitacinį singuliarumą. Medeiros paaiškino, kad tai daro jį daugiau nei tik gražesnę nuotrauką.

„Kadangi negalime atidžiai ištirti juodųjų skylių, vaizdo detalės vaidina svarbų vaidmenį mūsų gebėjime suprasti jų elgesį“, – sakė ji. „Žiedo plotis vaizde dabar yra maždaug du kartus mažesnis, o tai bus didelis mūsų teorinių modelių ir gravitacijos bandymų apribojimas.

Medeiros ir jos kolegų sukurta technika, žinoma kaip Pagrindinių komponentų interferometrinis modeliavimas, arba PRIMO trumpai – analizuoja didelius mokymo vaizdų duomenų rinkinius, kad išsiaiškintų geriausius būdus užpildyti trūkstamus duomenis. Tai panašu į tai, kaip dirbtinio intelekto tyrinėtojai analizavo Ludwigo von Bethoveno muzikinius kūrinius Sukuria partitūrą kompozitoriaus Nebaigtai dešimtajai simfonijai.

Dešimtys tūkstančių imituotų EHT vaizdų buvo įtraukta į PRIMO modelį, apimantį įvairius struktūrinius besisukančių dujų modelius M87 juodojoje skylėje. Modeliavimas, kuris geriausiai atitiko turimus duomenis, buvo sujungtas, kad būtų gauta tiksli trūkstamų duomenų rekonstrukcija. Tada gautas vaizdas buvo iš naujo apdorotas, kad atitiktų tikrąją maksimalią EHT skiriamąją gebą.

Tyrėjai teigia, kad naujas vaizdas turėtų padėti tiksliau nustatyti M87 juodosios skylės masę ir jos įvykių horizonto bei akrecijos žiedo mastą. Šie sprendimai savo ruožtu gali paskatinti patikimesnius alternatyvių teorijų, susijusių su juodosiomis skylėmis ir gravitacija, bandymus.

Aiškesnis M87 vaizdas yra tik pradžia. PRIMO taip pat gali būti naudojamas norint paryškinti neryškų „Event Horizon“ teleskopo vaizdą į Sagittarius A*, supermasyvią juodąją skylę mūsų centre.[{” 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