Machine learning zorgt voor betere foto zwart gat M87
De iconische Event Horizon Telescope (EHT) afbeelding van het superzware zwarte gat in het centrum van Messier 87 heeft zijn eerste officiële make-over gekregen, dankzij de Principal-component Interferometric Modeling (PRIMO), een nieuwe machine-learning techniek die “dictionary learning” gebruikt om te corrigeren voor de schaarse Fourier-domein dekking van de EHT interferometrische zichtbaarheid.
Messier 87 is een reusachtig elliptisch sterrenstelsel op ongeveer 53 miljoen lichtjaar afstand in het sterrenbeeld Maagd – Virgo.
In april 2019 heeft de EHT-collaboratie prachtige beelden vrijgegeven van M87*, het superzware zwarte gat in het centrum van Messier 87. Deze beelden zijn gemaakt met behulp van EHT-waarnemingen die in april 2017 zijn uitgevoerd.
Om de gegevens te verzamelen, gebruikten de EHT-astronomen een netwerk van zeven radiotelescopen op verschillende plaatsen in de wereld om een virtuele telescoop ter grootte van de Aarde te vormen met de kracht en resolutie om de “schaduw” van de waarnemingshorizon van een zwart gat waar te nemen.
Hoewel het team met deze techniek opmerkelijk fijne details kon waarnemen, ontbrak het aan het verzamelvermogen van een echte telescoop ter grootte van de Aarde, waardoor de gegevens hiaten vertoonden.
Zoals beschreven in een artikel in het Astrophysical Journal, hielp de nieuwe machine-learningtechniek deze leemtes op te vullen.
“Met PRIMO konden we de maximale resolutie van de huidige array bereiken”, aldus Dr. Lia Medeiros, astronoom bij de Steward sterrenwacht van de universiteit van Arizona en het Institute for Advanced Study.
“Omdat we zwarte gaten niet van dichtbij kunnen bestuderen, speelt het detail in een beeld een cruciale rol in ons vermogen om het gedrag ervan te begrijpen.”
“De breedte van de ring in het beeld is nu ongeveer een factor twee kleiner, wat een krachtige beperking zal zijn voor onze theoretische modellen en testen van de zwaartekracht.”
De originele EHT-afbeelding van M87*. Credit: EHT Collaboration.
PRIMO maakt gebruik van een tak van machine learning die bekend staat als dictionary learning, waarbij computers bepaalde regels leren door ze bloot te stellen aan duizenden voorbeelden.
De kracht van deze vorm van machine learning is op talloze manieren aangetoond, van het creëren van kunstwerken in Renaissancestijl tot het voltooien van het onvoltooide werk van Beethoven.
Door PRIMO toe te passen op het EHT-beeld van M87* analyseerden computers meer dan 30.000 natuurgetrouwe, gesimuleerde beelden van gas dat zich op een zwart gat stort om te zoeken naar gemeenschappelijke patronen in de beelden.
De resultaten werden vervolgens samengevoegd tot een zeer nauwkeurige weergave van de EHT-waarnemingen, waarbij tegelijkertijd een zeer getrouwe schatting werd gemaakt van de ontbrekende structuur van het beeld.
Volgens Dr. Lauer is PRIMO een nieuwe benadering van de moeilijke taak om beelden op te bouwen uit EHT-waarnemingen. Het biedt een manier om de ontbrekende informatie over het waargenomen object te compenseren, die nodig is om het beeld te genereren, dat zou zijn gezien met een enkele gigantische radiotelescoop ter grootte van de Aarde.
De auteurs bevestigen dat et nieuwe beeld van M87* overeenkomt met de EHT-gegevens en met de theoretische verwachtingen, inclusief de heldere emissiering die naar verwachting wordt veroorzaakt door heet gas dat in het zwarte gat valt.
Het nieuwe beeld moet leiden tot nauwkeurigere bepalingen van de massa van het zwarte gat en de fysische parameters die zijn huidige uiterlijk bepalen.
PRIMO kan ook worden toegepast op andere EHT-waarnemingen, waaronder die van Sagittarius A*, het centrale zwarte gat in ons eigen sterrenstelsel.
Volgens Dr. Medeiros is het beeld van 2019 nog maar het begin. “Als een beeld duizend woorden waard is, hebben de gegevens die aan dat beeld ten grondslag liggen nog veel meer verhalen te vertellen.”
PRIMO zal een cruciaal instrument blijven om dergelijke inzichten te extraheren.
Het artikel van het team is in de Astrophysical Journal Letters gepubliceerd.
Artikel: Lia Medeiros et al. 2023. The Image of the M87 Black Hole Reconstructed with PRIMO. ApJL 947, L7; doi: 10.3847/2041-8213/acc32d
Lia Medeiros et al. 2023. Principal-component Interferometric Modeling (PRIMO), an Algorithm for EHT Data. I. Reconstructing Images from Simulated EHT Observations. ApJ 943, 144; doi: 10.3847/1538-4357/acaa9a
Eerste publicatie: 17 april 2023
Bron: sci-news
