Машинное обучение помогло повысить резкость первого изображения черной дыры

Мир с восторгом наблюдал, когда в 2019 году ученые представили первое в истории изображение черной дыры , на котором была показана огромная черная дыра в центре галактики Мессье 87. Теперь это изображение было уточнено и отточено с помощью методов машинного обучения. Подход, названный PRIMO или интерферометрическим моделированием основных компонентов, был разработан некоторыми из тех же исследователей, которые работали над оригинальным проектом Event Horizon Telescope , в ходе которого была сделана фотография черной дыры.

Это изображение объединило данные семи радиотелескопов по всему миру, которые работали вместе, чтобы сформировать виртуальный массив размером с Землю. Хотя этот подход был удивительно эффективен при обнаружении такого отдаленного объекта, расположенного на расстоянии 55 миллионов световых лет, это означало, что в исходных данных были некоторые пробелы. Для заполнения этих пробелов был использован новый подход машинного обучения, который позволяет получить более четкое и точное конечное изображение.

Группа исследователей, в том числе астроном из NOIRLab NSF, разработала новую технику машинного обучения для повышения точности и четкости радиоинтерферометрических изображений. Чтобы продемонстрировать мощь своего нового подхода, получившего название PRIMO, команда создала новую высокоточную версию культового изображения сверхмассивной черной дыры в центре Мессье 87, гигантской эллиптической галактики, расположенной на расстоянии 55 млн. световых лет от Земли. Изображение сверхмассивной черной дыры M87, первоначально опубликованное коллаборацией EHT в 2019 году (слева); и новое изображение, сгенерированное алгоритмом PRIMO с использованием того же набора данных (справа).
Изображение сверхмассивной черной дыры M87, первоначально опубликованное коллаборацией Event Horizon Telescope в 2019 году (слева); и новое изображение, сгенерированное алгоритмом PRIMO с использованием того же набора данных (справа). Л. Медейрос (Институт перспективных исследований), Д. Псалтис (Технологический институт Джорджии), Т. Лауэр (NOIRLab NSF) и Ф. Озел (Технологический институт Джорджии)

«С нашей новой техникой машинного обучения PRIMO мы смогли достичь максимального разрешения текущего массива», — заявила в своемзаявлении ведущий автор исследования Лия Медейрос из Института перспективных исследований. «Поскольку мы не можем изучать черные дыры вблизи, детали изображения играют решающую роль в нашей способности понять их поведение. Ширина кольца на изображении теперь меньше примерно в два раза, что станет серьезным ограничением для наших теоретических моделей и тестов гравитации».

PRIMO обучался с использованием десятков тысяч примеров изображений, созданных на основе моделирования аккреции газа на черную дыру. Проанализировав изображения, полученные в результате этих симуляций, на наличие закономерностей, PRIMO смогла уточнить данные для изображения EHT. Планируется, что тот же метод можно будет использовать и для будущих наблюдений коллаборации EHT.

«PRIMO — это новый подход к сложной задаче построения изображений из наблюдений EHT», — сказал другой исследователь, Тод Лауэр из NOIRLab NSF. «Это дает способ компенсировать недостающую информацию о наблюдаемом объекте, которая требуется для создания изображения, которое можно было бы увидеть с помощью одного гигантского радиотелескопа размером с Землю».

В 2022 году коллаборация EHT дополнила свое изображение черной дыры в M87 потрясающим изображением черной дыры в сердце Млечного Пути , так что это изображение может стать следующей целью для повышения резкости с использованием этой техники.

«Изображение 2019 года было только началом, — сказал Медейрос. «Если изображение стоит тысячи слов, данные, лежащие в основе этого изображения, могут рассказать еще много историй. PRIMO по-прежнему будет важным инструментом для извлечения такой информации».

Исследование опубликовано в The Astrophysical Journal Letters .