Самое четкое фото черной дыры улучшил ИИ: что получилось

Центральная область стала больше и темнее, размеры «огненного кольца» тоже изменились. Сравните фото до и после преображения сверхмассивного космического объекта.
Фото сверхмассивной черной дыры в ядре галактики M 87, полученное с помощью телескопа EHT в 2019 году (слева); и новое изображение, сгенерированное алгоритмом PRIMO с использованием того же набора данных (справа). Фото: Medeiros et al. 2023
Фото сверхмассивной черной дыры в ядре галактики M 87, полученное с помощью телескопа EHT в 2019 году (слева); и новое изображение, сгенерированное алгоритмом PRIMO с использованием того же набора данных (справа). Фото: Medeiros et al. 2023

Знаменитое изображение черной дыры в центре галактики M87, которую иногда называют «оранжевым пончиком», впервые улучшили с помощью машинного обучения. Об этом пишет Phys.org.

Суть осталась прежней — перед вами все тот же «оранжевый пончик». Но границы его яркого аккрецирующего газа стали более четкими, а сам он стал заметно тоньше.

«С нашей новой техникой машинного обучения PRIMO мы смогли добиться максимального разрешения текущего массива, — комментирует Лия Медейрос из Института передовых исследований в Принстоне (США). — Поскольку мы не можем изучать черные дыры вблизи, детализация изображения играет решающую роль в нашей способности понять ее поведение».

По словам эксперта, ширина кольца на получившемся изображении теперь меньше примерно в два раза. Такое уточнение на руку ученым. Оно позволит сильнее ограничить параметры настройки данных для теоретических моделей и тестов гравитации.

Новое изображение сверхмассивной черной дыры M87, созданное алгоритмом PRIMO с использованием данных телескопа EHT 2019 года. Фото: Medeiros et al. 2023
Новое изображение сверхмассивной черной дыры M87, созданное алгоритмом PRIMO с использованием данных телескопа EHT 2019 года. Фото: Medeiros et al. 2023

Особенности создания нового фото

Алгоритм PRIMO опирается на принцип машинного обучения, который позволяет компьютерам генерировать правила на основе больших наборов обучающих материалов. Например, если система получает серию различных изображений бананов, она учится на них и впоследствии может определить, является ли неизвестное ей изображение бананом или нет.

С помощью PRIMO компьютеры ученых проанализировали более 30 000 высокоточных смоделированных изображений аккрецирующего газа черных дыр. Ансамбль симуляций охватывал широкий спектр моделей того, как черная дыра аккрецирует материю, и искал общие закономерности в структуре изображений. Различные модели сортировались и смешивались, чтобы не исказить оригинал фото и вместе с тем «дорисовать» отсутствующие в нем детали наиболее точно.

Посмотрите, какие странности таит в себе космос:

https://hi-tech.imgsmail.ru/pic_original/ea7fc85b067df2b7d038422868996c51/1982344/
https://hi-tech.imgsmail.ru/pic_original/05fd3e4e37971098660c3091b7bd1f24/1982365/
https://hi-tech.imgsmail.ru/pic_original/b75b0ce2791d36ebbfce2bd78e4d34d5/1982363/
https://hi-tech.imgsmail.ru/pic_original/7d67c5cd6e7606daeaec10f6c76ba790/1982362/
25фотографий