Makine Öğrenimi M87 Kara Delik Görüntüsünü İyileştiriyor

Makine öğrenimi, EHT verilerinden yeni görüntüyü yeniden oluşturur.

M87’nin görüntüsü[{” attribute=””>black hole has been enhanced using a machine learning technique called PRIMO, providing a more accurate representation and allowing for improved determinations of its mass and physical parameters.

The iconic image of the supermassive black hole at the center of M87—sometimes referred to as the “fuzzy, orange donut”—has gotten its first official makeover with the help of machine learning. The new image further exposes a central region that is larger and darker, surrounded by the bright accreting gas shaped like a “skinny donut.” The team used the data obtained by the Event Horizon Telescope (EHT) collaboration in 2017 and achieved, for the first time, the full resolution of the array.

In 2017, the EHT collaboration used a network of seven pre-existing telescopes around the world to gather data on M87, creating an “Earth-sized telescope.” However, since it is infeasible to cover the Earth’s entire surface with telescopes, gaps arise in the data—like missing pieces in a jigsaw puzzle.

M87 supermassive black hole originally imaged by the EHT collaboration in 2019 (left); and new image generated by the PRIMO algorithm using the same data set (right). Credit: Medeiros et al. 2023

“With our new machine learning technique, PRIMO, we were able to achieve the maximum resolution of the current array,” says lead author Lia Medeiros of the Institute for Advanced Study. “Since we cannot study black holes up close, the detail of an image plays a critical role in our ability to understand its behavior. The width of the ring in the image is now smaller by about a factor of two, which will be a powerful constraint for our theoretical models and tests of gravity.”

PRIMO, which stands for principal-component interferometric modeling, was developed by EHT members Lia Medeiros (Institute for Advanced Study), Dimitrios Psaltis (Georgia Tech), Tod Lauer (NOIRLab), and Feryal Özel (Georgia Tech). Their publication, “The Image of the M87 Black Hole Reconstructed with PRIMO,” was published today (April 13) in The Astrophysical Journal Letters.

“PRIMO is a new approach to the difficult task of constructing images from EHT observations,” said Lauer. “It provides a way to compensate for the missing information about the object being observed, which is required to generate the image that would have been seen using a single gigantic radio telescope the size of the Earth.”

Animation fades from M87 black hole image, first produced by the EHT collaboration in 2019, to the new image generated by the PRIMO algorithm using the same data set. Credit: Medeiros et al. 2023

PRIMO relies on dictionary learning, a branch of machine learning which enables computers to generate rules based on large sets of training material. For example, if a computer is fed a series of different banana images—with sufficient training—it may be able to determine if an unknown image is or is not a banana. Beyond this simple case, the versatility of machine learning has been demonstrated in numerous ways: from creating Renaissance-style works of art to completing the unfinished work of Beethoven. So how might machines help scientists to render a black hole image? The research team has answered this very question.

With PRIMO, computers analyzed over 30,000 high-fidelity simulated images of black holes accreting gas. The ensemble of simulations covered a wide range of models for how the black hole accretes matter, looking for common patterns in the structure of the images. The various patterns of structure were sorted by how commonly they occurred in the simulations, and were then blended to provide a highly accurate representation of the EHT observations, simultaneously providing a high fidelity estimate of the missing structure of the images. A paper pertaining to the algorithm itself was published in The Astrophysical Journal on February 3, 2023.

“We are using physics to fill in regions of missing data in a way that has never been done before by using machine learning,” added Medeiros. “This could have important implications for interferometry, which plays a role in fields from exo-planets to medicine.”

PRIMO algoritmasının eğitim seti için oluşturulan simülasyonlara genel bakış. Kredi bilgileri: Medeiros ve ark. 2023

Ekip, yeni oluşturulan görüntünün EHT verileriyle ve kara deliğe düşen sıcak gazın üretmesi beklenen parlak emisyon halkası da dahil olmak üzere teorik beklentilerle tutarlı olduğunu doğruladı. Bir görüntü oluşturmak, eksik bilginin uygun bir biçimini varsaymayı gerektiriyordu ve PRIMO bunu, M87 kara deliğinin genel olarak tahmin edildiği gibi göründüğüne dair 2019 keşfine dayanarak yaptı.

Psaltis, “Bir kara deliğin ilk ufuk ölçekli görüntüsünün 2019’da EHT tarafından açıklanmasından yaklaşık dört yıl sonra, ilk kez dizinin tam çözünürlüğünü kullanan bir görüntü üreterek başka bir kilometre taşına daha imza attık” dedi. “Geliştirdiğimiz yeni makine öğrenimi teknikleri, toplu çalışmalarımıza kara delik fiziğini anlamak için altın bir fırsat sunuyor.”

Yeni görüntü, M87 kara deliğinin kütlesinin ve mevcut görünümünü belirleyen fiziksel parametrelerin daha doğru belirlenmesine yol açmalıdır. Veriler ayrıca araştırmacılara olay ufku alternatiflerine daha fazla kısıtlama getirme (daha koyu merkezi parlaklık düşüşüne dayalı olarak) ve daha sağlam yerçekimi testleri (daha dar halka boyutuna dayalı olarak) yapma fırsatı da sağlıyor. PRIMO, kendi merkezimizdeki kara delik olan Sgr A*’nın gözlemleri de dahil olmak üzere ek EHT gözlemlerine de uygulanabilir. Samanyolu gökada.

M87, Başak gökada kümesinde yer alan, nispeten yakın, devasa bir gökadadır. Bir asırdan fazla bir süre önce, gizemli bir sıcak jet plazma merkezinden çıktığı görülmüştür. 1950’lerden başlayarak, o zamanki yeni radyo astronomi tekniği, galaksinin merkezinde kompakt, parlak bir radyo kaynağı olduğunu gösterdi. 1960’larda, M87’nin merkezinde bu aktiviteye güç sağlayan devasa bir kara delik bulunduğundan şüpheleniliyordu. 1970’lerden başlayarak yer tabanlı teleskoplardan yapılan ölçümler ve daha sonra Hubble uzay teleskobu 1990’lardan başlayarak, yıldızların ve merkezinin yörüngesinde dönen gazın yüksek hızlarına ilişkin gözlemlere dayanarak, M87’nin gerçekten de Güneş’in kütlesinin birkaç milyar katı ağırlığında bir kara delik barındırdığına dair güçlü bir destek sağladı. M87’nin 2017 EHT gözlemleri, mümkün olan en yüksek çözünürlüğü elde etmek için aynı anda birbirine bağlanan birkaç farklı radyo teleskoptan birkaç gün içinde elde edildi. 2019’da yayınlanan M87 kara deliğinin artık ikonik “turuncu halka” resmi, bu gözlemlerden bir görüntü üretmeye yönelik ilk girişimi yansıtıyordu.

Medeiros, “2019 görüntüsü sadece başlangıçtı” dedi. “Bir resim bin kelimeye bedelse, o görüntünün altında yatan verilerin anlatacak çok daha fazla hikayesi vardır. PRIMO, bu tür içgörüleri elde etmede kritik bir araç olmaya devam edecek.”

Kaynak: “PRIMO ile Yeniden Yapılandırılan M87 Kara Delik Görüntüsü”, Lia Medeiros, Dimitrios Psaltis, Tod R. Lauer ve Feryal Özel3, 13 Nisan 2023, Astrofizik Dergi Mektupları.
DOI: 10.3847/2041-8213/acc32d

PRIMO algoritmasının geliştirilmesi, Ulusal Bilim Vakfı Astronomi ve Astrofizik Doktora Sonrası Bursu’nun desteğiyle sağlandı.