یادگیری ماشینی اولین تصویر سیاهچاله را واضح می کند

PRIMO با استفاده از ده‌ها هزار تصویر نمونه که از شبیه‌سازی‌های برافزایش گاز در سیاه‌چاله ایجاد شده‌اند، آموزش داده شد. با تجزیه و تحلیل تصاویر حاصل از این شبیه سازی ها برای ال،ا، PRIMO توانست داده ها را برای تصویر EHT اصلاح کند. طرح این است که می توان از همین تکنیک برای مشاهدات آینده از همکاری EHT نیز استفاده کرد.

در سال 2022، همکاری EHT تصویر خود از سیاهچاله در M87 را با تصویری خیره کننده از سیاهچاله در قلب کهکشان راه شیری دنبال کرد، به طوری که این تصویر می تواند هدف بعدی برای شارپ ، با استفاده از این تکنیک باشد.

این تصویر داده های هفت تلسکوپ رادیویی را در سراسر جهان ،یب کرد که با هم کار می ،د تا یک آرایه مجازی به اندازه زمین را تشکیل دهند. در حالی که این رویکرد به طرز شگفت انگیزی در دیدن چنین شی دوردستی در فاصله 55 میلیون سال نوری از ما موثر بود، اما به این م،ی بود که در داده های اولیه شکاف هایی وجود دارد. رویکرد جدید یادگیری ماشین برای پر ، این شکاف ها استفاده شده است که امکان تصویر نهایی واضح تر و دقیق تر را فراهم می کند.

لیا مدیروس، نویسنده اصلی این تحقیق، از موسسه مطالعات پیشرفته، گفت: با تکنیک جدید یادگیری ماشینی ما، PRIMO، ما توانستیم به حدا،ر وضوح آرایه فعلی دست یابیم. بی،ه. از آنجایی که نمی‌تو،م سیاه‌چاله‌ها را از نزدیک مطالعه کنیم، جزئیات موجود در یک تصویر نقش مهمی در توانایی ما برای درک رفتار آن بازی می‌کنند. عرض حلقه در تصویر اکنون حدوداً 2 برابر است که محدودیتی قدرتمند برای مدل‌های نظری و آزمایش‌های گرانش ما خواهد بود.

مدیروس گفت: «تصویر سال 2019 فقط شروع بود. «اگر یک ع، ارزش هزار کلمه را داشته باشد، داده‌های زیربنایی آن تصویر داستان‌های بیشتری برای گفتن دارند. PRIMO همچنان ابزاری حیاتی در است،اج چنین بینش‌هایی خواهد بود.»

زم، که دانشمندان اولین تصویر از یک سیاهچاله را در سال 2019 نشان دادند که سیاهچاله عظیم را در مرکز کهکشان مسیه 87 نشان می‌داد، جهان با خوشحالی تماشا کرد. اکنون، این تصویر با استفاده از تکنیک‌های یادگیری ماشینی اصلاح و تیزتر شده است. این رویکرد که PRIMO یا مدل‌سازی تداخل سنجی مؤلفه اصلی نامیده می‌شود، توسط برخی از همان محقق، که بر روی پروژه اصلی تلسکوپ افق رویداد که ع، سیاه‌چاله را گرفت، کار می‌،د، توسعه یافت.