Pierwszy obraz czarnej dziury zostaje zrekonstruowany za pomocą AI (Algorytm PRIMO)

9
Pierwszy obraz czarnej dziury zostaje zrekonstruowany za pomocą AI (Algorytm PRIMO)
Img 1: Przedstawia pierwszy obraz super masywnej czarnej dziury z galaktyki M87 który stworzono w 2019 roku na podstawie 4 petabajtów, lub 4 milionów gigabajtów danych uzyskanych w 2017 roku z radioteleskopów rozmieszczonych na rożnych częściach ziemi

Obraz z 2019 był stworzony poprzez poprzedni algorytm, który używając danych z fal radiowych zrobił pierwszy obraz czarnej dziury. 

Obecny algorytm (PRIMO) był trenowany na super dokładnych symulacjach na podstawie których wiedział jak ułożyć dane które zebrano w 2017 roku do stworzenia lepszej jakości obrazu czarnej dziury
Pierwszy obraz czarnej dziury zostaje zrekonstruowany za pomocą AI (Algorytm PRIMO)
Img 2: Wynik odtworzenia obrazu poprzez zastosowanie AI PRIMO do tych samych danych z których stworzono pierwszy obraz czarnej dziury w 2019 
Pierwszy obraz czarnej dziury zostaje zrekonstruowany za pomocą AI (Algorytm PRIMO)
Pic 3: Obraz PRIMO rozmyty do rozdzielczości EHT.

Obraz z algorytmu PRIMO również ma te same cechy co "Img1" 

Cechy takie jak: średnica materi krążącej dookoła czarnej dziury (dysk akrecyjny), różnica w intensywności przedstawionego na obrazie sygnału górnej części względem dolnej oraz też znaczny spadek sygnału w centrum, są widoczne na wszystkich obrazach. 

Obraz PRIMO oferuje lepsze wykorzystanie rozdzielczości i zakresu dynamiki EHT (Event Horizon Telescope).

Dzięki uczeniu się korelacji między różnymi obszarami przestrzeni danych interferometrycznych, ta metoda pozwala im na uzyskanie obrazów wysokiej jakości i osiągnięcie nominalnej rozdzielczości EHT. Obraz czarnej dziury składa się z cienkiego jasnego pierścienia o średnicy 41,5 ± 0,6 μas i ułamkowej szerokości, która jest co najmniej dwukrotnie mniejsza niż wcześniej zgłaszane. 

Ta poprawa ma ważne implikacje dla pomiaru masy centralnej czarnej dziury w M87 na podstawie obrazów EHT.

Źródło:
https://iopscience.iop.org/article/10.3847/2041-8213/acc32d
0.16173791885376