کیفیت اولین تصویر گرفته‌شده از یک سیاهچاله با یادگیری ماشینی

تصویر اصلی این سیاه‌چاله در سال 2017 توسط تلسکوپ افق رویداد (EHT) گرفته شد. همانطور که NPR در گزارش خود توصیف می‌کند، تصویر اولیه شبیه یک «دونات مبهم» است، اما محققان اکنون از روش جدیدی به نام PRIMO برای بازسازی دقیق تصویر استفاده کرده‌اند.

PRIMO یک الگوریتم جدید مبتنی بر یادگیری فرهنگ لغت است که با آموزش توسط شبیه‌سازی‌های تولیدشده از بیش از 30 هزار سیاه‌چاله می‌تواند تصاویر را حتی با وجود پوشش پراکنده بازیابی کند. به عبارت دیگر، در این روش از داده‌های یادگیری ماشینی مبتنی بر اطلاعاتی که در مورد قوانین فیزیکی جهان (و به‌طور خاص سیاه‌چاله‌ها) داریم استفاده می‌شود تا از تصویر خام گرفته‌شده در سال 2017 عکسی زیباتر و دقیق‌تر تولید کند.

بهبود اولین تصویر گرفته‌شده از سیاه‌چاله

«لیا مدیروس»، اخترفیزیکدان مؤسسه مطالعات پیشرفته در پرینستون، نیوجرسی و نویسنده این مقاله به NPR می‌گوید:

«کاری که ما واقعاً انجام می‌دهیم این است که همبستگی بین بخش‌های مختلف تصویر را یاد می‌گیریم و ما این کار را با تجزیه‌وتحلیل ده‌ها هزار تصویر با وضوح بالا که از شبیه‌سازی‌ها ایجاد شده‌اند، انجام می‌دهیم. اگر تصویری دارید، پیکسل‌های نزدیک به هر پیکسلی کاملاً نامرتبط نیستند. اینطور نیست که هر پیکسل کار کاملاً مستقلی را انجام دهد.»

محققان می‌گویkد که تصویر جدید با پیش‌بینی‌های آلبرت انیشتین مطابقت دارد. بااین‌وجود، آن‌ها انتظار دارند که تحقیقات بیشتر در زمینه یادگیری ماشینی و سخت‌افزار تلسکوپ منجر به بازبینی‌های بیشتری شود. مدیروس در این زمینه گفت:

«در 20 سال آینده، این تصویر ممکن است تصویری نباشد که من امروز به شما نشان می‌دهم. ممکن است بهتر شود.»

سیاه‌چاله‌ها مناطق مرموز و عجیبی از فضا هستند که به دلیل قوی‌بودن جاذبه، هیچ‌چیز نمی‌تواند از آن‌ها فرار کند. این نقاط مرموز زمانی تشکیل می‌شوند که ستارگان درحال مرگ با وجود نیروی جاذبه‌ای که دارند روی خود فرو می‌ریزند. درواقع، جرم ستاره در فضای کوچکی فشرده می‌شود. همچنین مرز بین سیاه‌چاله و جرم اطراف آن افق رویداد نامیده می‌شود، نقطه‌ای که اگر هر چیزی (اعم از نور یا هر ماده‌ای) از آن عبور کند، باز نخواهد گشت.