La imagen icónica del agujero negro supermasivo en el centro de M87, a veces denominado «rosquilla naranja difusa», ha obtenido su primer cambio de imagen oficial con la ayuda del aprendizaje automático. La nueva imagen expone aún más una región central que es más grande y más oscura, rodeada por el gas brillante que se acumula con forma de «rosquilla delgada». El equipo utilizó los datos obtenidos por la colaboración Event Horizon Telescope (EHT) en 2017 y logró, por primera vez, la resolución completa de la matriz.
En 2017, la colaboración EHT utilizó una red de siete telescopios preexistentes en todo el mundo para recopilar datos sobre M87, creando un «telescopio del tamaño de la Tierra». Sin embargo, dado que no es factible cubrir toda la superficie de la Tierra con telescopios, surgen lagunas en los datos, como piezas faltantes en un rompecabezas.
«Con nuestra nueva técnica de aprendizaje automático, PRIMO, pudimos lograr la resolución máxima de la matriz actual», dice la autora principal, Lia Medeiros, del Instituto de Estudios Avanzados. «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. El ancho del anillo en la imagen ahora es más pequeño en un factor de dos, lo que será un poderosa restricción para nuestros modelos teóricos y pruebas de gravedad».
PRIMO, que significa modelado interferométrico de componentes principales, fue desarrollado por los miembros de EHT Lia Medeiros (Instituto de Estudios Avanzados), Dimitrios Psaltis (Georgia Tech), Tod Lauer (NOIRLab) y Feryal Özel (Georgia Tech). Su publicación, «La imagen del agujero negro M87 reconstruida con PRIMO», ya está disponible en Las cartas del diario astrofísico.
«PRIMO es un nuevo enfoque para la difícil tarea de construir imágenes a partir de observaciones EHT», dijo Lauer. «Proporciona una forma de compensar la información faltante sobre el objeto que se observa, que se requiere para generar la imagen que se habría visto utilizando un único radiotelescopio gigantesco del tamaño de la Tierra».
PRIMO se basa en el aprendizaje de diccionarios, una rama del aprendizaje automático que permite a las computadoras generar reglas basadas en grandes conjuntos de material de capacitación. Por ejemplo, si una computadora recibe una serie de diferentes imágenes de plátanos, con suficiente entrenamiento, puede determinar si una imagen desconocida es o no un plátano. Más allá de este simple caso, la versatilidad del aprendizaje automático se ha demostrado de muchas maneras: desde crear obras de arte de estilo renacentista hasta completar la obra inacabada de Beethoven. Entonces, ¿cómo podrían las máquinas ayudar a los científicos a generar una imagen de agujero negro? El equipo de investigación ha respondido a esta misma pregunta.
Con PRIMO, las computadoras analizaron más de 30 000 imágenes simuladas de alta fidelidad de agujeros negros acumulando gas. El conjunto de simulaciones cubrió una amplia gama de modelos sobre cómo el agujero negro acumula materia, buscando patrones comunes en la estructura de las imágenes. Los diversos patrones de estructura se clasificaron según la frecuencia con la que ocurrían en las simulaciones y luego se combinaron para proporcionar una representación muy precisa de las observaciones de EHT, proporcionando simultáneamente una estimación de alta fidelidad de la estructura faltante de las imágenes. Un artículo relacionado con el algoritmo en sí fue publicado en El diario astrofísico el 3 de febrero de 2023.
«Estamos utilizando la física para completar regiones de datos faltantes de una manera que nunca antes se había hecho mediante el uso del aprendizaje automático», agregó Medeiros. «Esto podría tener implicaciones importantes para la interferometría, que desempeña un papel en campos que van desde los exoplanetas hasta la medicina».
El equipo confirmó que la imagen recién renderizada es consistente con los datos de EHT y con las expectativas teóricas, incluido el anillo brillante de emisión que se espera que produzca el gas caliente que cae en el agujero negro. Generar una imagen requería asumir una forma apropiada de la información faltante, y PRIMO lo hizo basándose en el descubrimiento de 2019 de que el agujero negro M87 en gran detalle se veía como se predijo.
«Aproximadamente cuatro años después de que EHT revelara la primera imagen en escala de horizonte de un agujero negro en 2019, hemos marcado otro hito, produciendo una imagen que utiliza la resolución completa de la matriz por primera vez», afirmó Psaltis. «Las nuevas técnicas de aprendizaje automático que hemos desarrollado brindan una oportunidad de oro para que nuestro trabajo colectivo comprenda la física de los agujeros negros».
La nueva imagen debería conducir a determinaciones más precisas de la masa del agujero negro M87 y los parámetros físicos que determinan su apariencia actual. Los datos también brindan una oportunidad para que los investigadores impongan mayores restricciones a las alternativas al horizonte de eventos (basado en la depresión de brillo central más oscura) y realicen pruebas de gravedad más sólidas (basadas en el tamaño de anillo más estrecho). PRIMO también se puede aplicar a observaciones adicionales de EHT, incluidas las de Sgr A*, el agujero negro central en nuestra propia galaxia, la Vía Láctea.
M87 es una galaxia masiva, relativamente cercana, en el cúmulo de galaxias de Virgo. Hace más de un siglo, se observó que un misterioso chorro de plasma caliente emanaba de su centro. A partir de la década de 1950, la entonces nueva técnica de radioastronomía mostró que la galaxia tenía una fuente de radio compacta y brillante en su centro. Durante la década de 1960, se sospechaba que M87 tenía un enorme agujero negro en su centro que impulsaba esta actividad. Las mediciones realizadas con telescopios terrestres a partir de la década de 1970, y más tarde con el Telescopio Espacial Hubble a partir de la década de 1990, proporcionaron un fuerte apoyo de que M87 albergaba un agujero negro que pesaba varios miles de millones de veces la masa del Sol, según las observaciones de las altas velocidades de estrellas y gas orbitando su centro. Las observaciones EHT de 2017 de M87 se obtuvieron durante varios días desde varios radiotelescopios diferentes conectados al mismo tiempo para obtener la resolución más alta posible. La ahora icónica imagen de «rosquilla naranja» del agujero negro M87, publicada en 2019, reflejó el primer intento de producir una imagen a partir de estas observaciones.
«La imagen de 2019 fue solo el comienzo», afirmó Medeiros. «Si una imagen vale más que mil palabras, los datos subyacentes a esa imagen tienen muchas más historias que contar. PRIMO seguirá siendo una herramienta fundamental para extraer tales conocimientos».
El desarrollo del algoritmo PRIMO fue posible gracias al apoyo de la Beca Postdoctoral de Astronomía y Astrofísica de la Fundación Nacional de Ciencias.
