un trou noir supermassif M87 initialement imagé par la collaboration EHT en 2019 (à gauche) ; et une nouvelle image générée par l’algorithme PRIMO utilisant le même jeu de données (à droite). Crédit : Medeiros et al. 2023
Utiliser des astronomes[{ » 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.
Vue d’ensemble des simulations générées pour l’ensemble d’apprentissage de l’algorithme PRIMO. Crédit : Medeiros et al. 2023
Une image EHT du trou noir supermassif au centre d’une galaxie elliptique connue sous le nom de M87, à environ 55 millions d’années-lumière de la Terre, a ébloui le monde scientifique en 2019. L’image a été produite en combinant les observations d’un réseau mondial de radiotélescopes — mais des lacunes dans les données signifient que l’image était quelque peu inégale et floue.
Dans une étude publiée la semaine dernière dans le Lettres du journal astrophysiqueUne équipe internationale d’astronomes a décrit comment ils ont comblé les lacunes en analysant plus de 30 000 images simulées d’un trou noir.
« En utilisant une nouvelle méthode d’apprentissage automatique, PRIMO, nous avons pu atteindre une précision maximale pour la matrice existante », a déclaré l’auteur principal de l’étude, Leah Medeiros de l’Institute for Advanced Study, dans un communiqué de presse.
PRIMO a rétréci et affiné la vision de l’EHT de l’anneau de matière chaude en orbite autour du trou noir alors qu’il tombe dans une singularité gravitationnelle. Medeiros a expliqué que cela fait de lui plus qu’une simple photo plus jolie.
« Puisque nous ne pouvons pas étudier de près les trous noirs, les détails de l’image jouent un rôle important dans notre capacité à comprendre leur comportement », a-t-elle déclaré. « La largeur de l’anneau dans l’image est maintenant environ deux fois plus petite, ce qui constituera une forte limitation pour nos modèles théoriques et nos tests de gravité. »
La technique développée par Medeiros et ses collègues – connue sous le nom de Modélisation de l’interférométrie en composantes principales, ou PRIMO en abrégé – analyse de grands ensembles de données d’images d’entraînement pour trouver les meilleurs moyens de remplir les données manquantes. C’est similaire à la façon dont les chercheurs en intelligence artificielle analysaient les œuvres musicales de Ludwig von Beethoven Produit une partition pour la dixième symphonie inachevée du compositeur.
Des dizaines de milliers d’images EHT simulées ont été introduites dans le modèle PRIMO, couvrant un large éventail de modèles structurels de gaz tourbillonnant dans le trou noir de M87. Les simulations qui fournissaient le meilleur ajustement aux données disponibles ont été combinées pour produire une reconstruction haute fidélité des données manquantes. L’image résultante a ensuite été retraitée pour correspondre à la résolution maximale réelle de l’EHT.
Les chercheurs affirment que la nouvelle image devrait conduire à des déterminations plus précises de la masse du trou noir de M87 et de l’étendue de son horizon des événements et de son anneau d’accrétion. Ces décisions, à leur tour, pourraient conduire à des tests plus robustes de théories alternatives concernant les trous noirs et la gravité.
L’image plus claire du M87 n’est que le début. PRIMO peut également être utilisé pour affiner la vue floue du télescope Event Horizon sur Sagittarius A*, le trou noir supermassif de notre 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
