Un agujero negro es una región del espacio cuyo interior posee una concentración de masa tal que nada escapa de él. Ni siquiera la luz. Por lo tanto, fotografiarlo, es decir, hacer un “retrato con luz” de esta región es algo casi imposible. Casi.
En 2017 un conjunto de siete telescopios distribuidos por todo el planeta (desde Hawaii hasta el Polo Sur pasando por el observatorio español IRAM en el Pico Veleta, Granada) realizaron observaciones durante varias noches y consiguieron finalmente un retrato aceptable: la primera “foto carnet” de un agujero negro, el que habita el centro de la galaxia M87, a 53 millones de años luz de la Tierra.
Obviamente se trata de una imagen algo difusa que dificulta el estudio del agujero negro. O dificultaba porque ahora, gracias al uso de técnicas de aprendizaje automático se ha obtenido una imagen más definida que expone aún más la región central.
«Con nuestra nueva técnica de aprendizaje automático, PRIMO, pudimos lograr la resolución máxima de la matriz actual – explica la autora principal, Lia Medeiros, del Instituto de Estudios Avanzados en un comunicado – . 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 por un factor de dos, lo que será una poderosa herramienta para nuestros modelos teóricos y pruebas de gravedad”.
PRIMO, que significa Modelado Interferométrico de Componentes Principales, fue desarrollado por miembros del EHT (siglas de Telescopio del Horizonte de Sucesos), de Georgia Tech y del NOIRLab.
“PRIMO es un nuevo enfoque para la difícil tarea de construir imágenes a partir de observaciones EHT – añade Tod Lauer, coautor del estudio publicado en The Astrophysical Journal Letters – .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 los ordenadores generar reglas basadas en grandes conjuntos de material. Por ejemplo, si un ordenador recibe una serie de diferentes imágenes de elefantes, con suficiente entrenamiento, puede determinar si una imagen desconocida es o no un elefante. 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 sinfonía inconclusa de Beethoven.
El entrenamiento de una IA
¿Cómo puede una inteligencia artificial ayudar a los científicos a generar una imagen de agujero negro? PRIMO analizó 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 del EHT, proporcionando simultáneamente una estimación de alta fidelidad de la estructura faltante de las imágenes.
“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 – confirma Medeiros –. Esto podría tener implicaciones importantes para la interferometría, que desempeña un papel en campos que van desde los exoplanetas hasta la medicina. 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 primera imagen fue solo el comienzo. 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”.
Fuente: adslzone
