Agujero negro supermasivo M87 fotografiado originalmente por la colaboración EHT en 2019 (izquierda); y nueva imagen generada por el algoritmo PRIMO utilizando el mismo conjunto de datos (derecha). Crédito: Medeiros et al. 2023

astrónomos usados[{» 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.

Descripción general de las simulaciones generadas para el conjunto de entrenamiento del algoritmo PRIMO. Crédito: Medeiros et al. 2023

La imagen EHT del agujero negro supermasivo en el centro de una galaxia elíptica conocida como M87, a unos 55 millones de años luz de la Tierra, asombró al mundo científico en 2019. La imagen se produjo combinando observaciones de una serie mundial de radiotelescopios: pero las lagunas en los datos significaban que la imagen estaba incompleta y algo borrosa.

En un estudio publicado la semana pasada en Las cartas de la revista astrofísicaun equipo internacional de astrónomos describió cómo llenaron los vacíos analizando más de 30.000 imágenes simuladas de agujeros negros.

«Con nuestra nueva técnica de aprendizaje automático, PRIMO, pudimos alcanzar la resolución máxima de la matriz actual», dijo en un comunicado de prensa la autora principal del estudio, Lia Medeiros, del Instituto de EstudosAdvanced.

PRIMO estrechó y agudizó la visión del EHT del anillo de material caliente que se arremolinaba alrededor del agujero negro mientras caía en la singularidad gravitacional. Esto hace más que una imagen más bonita, explicó Medeiros.

«Dado que no podemos estudiar los agujeros negros de cerca, el detalle de una imagen juega un papel fundamental en nuestra capacidad para comprender su comportamiento», dijo. «El ancho del anillo en la imagen ahora es más pequeño por un factor de dos, lo que será una poderosa restricción para nuestros modelos teóricos y pruebas de gravedad».

La técnica desarrollada por Medeiros y sus colegas, conocida como modelado interferométrico de componentes principales, o PRIMO para abreviar, analiza grandes conjuntos de datos de imágenes de entrenamiento para descubrir las formas más probables de completar los datos faltantes. Es similar a la forma en que los investigadores de IA utilizaron un análisis de las obras musicales de Ludwig von Beethoven para producir una partitura para la décima sinfonía inacabada del compositor.

Decenas de miles de imágenes EHT simuladas se introdujeron en el modelo PRIMO, cubriendo una amplia gama de patrones estructurales para el remolino de gas en el agujero negro de M87. Las simulaciones que proporcionaron el mejor ajuste a los datos disponibles se combinaron para producir una reconstrucción de alta fidelidad de los datos faltantes. Luego, la imagen resultante se reprocesó para que coincidiera con la resolución máxima real del EHT.

Los investigadores dicen que la nueva imagen debería conducir a determinaciones más precisas de la masa del agujero negro de M87 y la extensión de su horizonte de eventos y anillo de acreción. Estas determinaciones, a su vez, podrían conducir a pruebas más sólidas de teorías alternativas relacionadas con los agujeros negros y la gravedad.

La imagen más nítida del M87 es solo el comienzo. PRIMO también podría usarse para mejorar la vista difusa del Event Horizon Telescope de Sagitario A*, el agujero negro supermasivo en el centro de nuestro propio planeta.[{» 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