Apprentissage automatique utilisé pour affiner la première image d’un trou noir
Le monde a regardé avec ravissement lorsque les scientifiques ont révélé la toute première image d'un trou noir en 2019, montrant l'énorme trou noir au centre de la galaxie Messier 87. Maintenant, cette image a été affinée et affinée à l'aide de techniques d'apprentissage automatique. L'approche, appelée PRIMO ou modélisation interférométrique à composantes principales, a été développée par certains des mêmes chercheurs qui ont travaillé sur le projet original Event Horizon Telescope qui a pris la photo du trou noir.
Cette image a combiné les données de sept radiotélescopes du monde entier qui ont travaillé ensemble pour former un réseau virtuel de la taille de la Terre. Bien que cette approche ait été incroyablement efficace pour voir un objet aussi éloigné situé à 55 millions d'années-lumière, cela signifiait qu'il y avait des lacunes dans les données d'origine. La nouvelle approche d'apprentissage automatique a été utilisée pour combler ces lacunes, ce qui permet d'obtenir une image finale plus nette et plus précise.
"Grâce à notre nouvelle technique d'apprentissage automatique, PRIMO, nous avons pu atteindre la résolution maximale du réseau actuel", a déclaré l'auteur principal de la recherche, Lia Medeiros de l'Institute for Advanced Study, dans uncommuniqué . "Puisque nous ne pouvons pas étudier de près les trous noirs, le détail d'une image joue un rôle essentiel dans notre capacité à comprendre son comportement. La largeur de l'anneau dans l'image est maintenant plus petite d'environ un facteur deux, ce qui constituera une contrainte puissante pour nos modèles théoriques et nos tests de gravité.
PRIMO a été formé à l'aide de dizaines de milliers d'images d'exemple créées à partir de simulations d'accrétion de gaz sur un trou noir. En analysant les images résultant de ces simulations pour les modèles, PRIMO a pu affiner les données pour l'image EHT. Il est prévu que la même technique puisse également être utilisée pour les futures observations de la collaboration EHT.
"PRIMO est une nouvelle approche de la tâche difficile de construire des images à partir d'observations EHT", a déclaré un autre des chercheurs, Tod Lauer du NOIRLab de la NSF. "Il fournit un moyen de compenser les informations manquantes sur l'objet observé, qui sont nécessaires pour générer l'image qui aurait été vue à l'aide d'un seul radiotélescope gigantesque de la taille de la Terre."
En 2022, la collaboration EHT a suivi son image du trou noir dans M87 avec une image étonnante du trou noir au cœur de la Voie lactée , afin que cette image puisse être la prochaine cible à affiner à l'aide de cette technique.
"L'image de 2019 n'était que le début", a déclaré Medeiros. « Si une image vaut mille mots, les données sous-jacentes à cette image ont beaucoup plus d'histoires à raconter. PRIMO continuera d'être un outil essentiel pour extraire de telles informations. »
La recherche est publiée dans The Astrophysical Journal Letters .