دانشمندان از نخستین سیاهچاله‌ای که تابه حال مشاهده شده است، نسخه‌ای به‌شدت بهبودیافته منتشر کرده‌اند.
تلسکوپ ایونت هورایزون (ئی‌اچ‌تی) در سال ۲۰۱۷، در مورد ام۸۷* (*M87)، سیاهچاله‌ای واقع در مرکز یک کهکشان نزدیک، داده‌هایی را جمع‌آوری کرد. از این داده‌ها برای ایجاد تصویری از سیاهچاله استفاده شد که در عکسی که دو سال بعد منتشر شد، به شکلی شبیه به یک دونات «تار و مبهم و نارنجی» ظاهر شد.
اکنون دانشمندان برای بهبود آن تصویر و به منظور تولید تصویری با وضوح کامل از آن سیاهچاله، برای نخستین بار از هوش مصنوعی استفاده کرده‌اند.
دانشمندان امیدوارند علاوه بر ارائه تصویری حتی بهتر از آن سیاهچاله، در مورد آن اجرام مرموز، عظیم و غول‌آسا اطلاعات بیشتری ارائه دهند.
لیا مدیروس، نویسنده اصلی از موسسه مطالعات پیشرفته، در اظهاراتی می‌گوید: «ما با روش جدید یادگیری ماشینی، پریمو (PRIMO)، توانستیم به حداکثر میزان وضوح آرایه کنونی [تلسکوپی] دست یابیم. از آنجایی که نمی‌توانیم سیاهچاله‌ها را از نزدیک بررسی کنیم، جزئیات یک تصویر در توانایی ما برای درک رفتار آن، نقش مهمی دارد.»
«عرض حلقه در این تصویر اینک حدودا به اندازه نصف کوچک‌تر است و این برای مدل‌های نظری و آزمایش‌های گرانش ما قیدی قدرتمند خواهد بود.»
پریمو مخفف مدلسازی تداخل‌سنجی با اجزای اصلی است و اعضای مجموعه تلسکوپ ایونت هورایزون آن را توسعه داد‌ه‌اند. پژوهشگران در مقاله جدیدی با عنوان «تصویر سیاهچاله ام۸۷ بازسازی‌شده با پریمو» که در آستروفیزیکال ژورنال لترز منتشر شد، فناوری یادگیری ماشینی و همچنین این تصویر جدید را توصیف می‌کنند.
Read More
This section contains relevant reference points, placed in (Inner related node field)
اگرچه تلسکوپ ایونت هورایزن‌ــ با ترکیب داده‌های هفت تلسکوپ موجود در سراسر جهان‌ــ گاهی اوقات به عنوان تلسکوپی که کل زمین را به یک تلسکوپ تبدیل کرده، توصیف شده است، تحت پوشش قرار دادن کل سیاره با آن تلسکوپ‌ها غیرممکن است. این به معنای آن است که در تصاویر، جاهای خالی وجود دارند.
تاد لاور، از آزمایشگاه تحقیقات نجومی فدرال آمریکا (NOIRLab)، یکی دیگر از اعضای تیم مسئول آن، گفت: «پریمو یک رویکرد جدید برای کار دشوار ساخت تصاویر از مشاهدات تلسکوپ ایونت هورایزن است.»
«این راهی برای جبران اطلاعات ازدست‌رفته از جرم موردمشاهده است که برای تولید تصویری که در صورت استفاده از یک تلسکوپ رادیویی غول‌پیکر به اندازه زمین مشاهده می‌شود، نیاز است.»
این ابزار مانند سایر ابزارهای یادگیری ماشینی کار می‌کند: مجموعه‌ای از مواد آموزشی به آن نشان داده و سپس از آن استفاده می‌شود تا الگوها در تصاویر ناشناخته آینده مشاهده شوند. در این مورد، این به معنای ارائه ۳۰ هزار تصویر دقیق و شبیه‌سازی‌شده به سیستم از سیاه‌چاله‌هایی بود که گاز برافزایش می‌کنند‌ــ و سپس استفاده از آن به منظور تشخیص آنچه ممکن است در تصویر واقعی از بین رفته باشد.
این یافته‌ها و تصویر جدیدی که برای تولید آن‌ها استفاده شدند، با داده‌های تلسکوپ ایونت هورایزن و همچنین با آنچه پژوهشگران از نظریه انتظار دارند، سازگاری دارد.
دکتر مدیروس گفت: «ما برای پر کردن مناطق با داده‌های ازدست‌رفته از فیزیک استفاده می‌کنیم؛ به روشی که پیش از این هرگز با استفاده از یادگیری ماشینی انجام نشده است. این می‌تواند برای تداخل‌سنجی پیامدهای مهمی داشته باشد که در زمینه‌هایی از سیارات فراخورشیدی گرفته تا پزشکی نقش دارد.»
دانشمندان امیدوارند از این تصویر جدید برای کسب اطلاعات بیشتر در مورد سیاهچاله ام۸۷ و همچنین به طور کلی در مورد اجرام استفاده کنند. برای مثال، این باید به آن‌ها اجازه دهد جرم آن را بهتر درک کنند و همچنین بفهمند که چگونه با جهان پیرامون خود برهم‌کنش دارند.
© The Independent
