Científicos mejoran la primera imagen nítida de un agujero negro utilizando machine learning

Se trata de una nueva versión de la imagen capturada del agujero negro supermasivo situado en el centro de la galaxia elíptica NGC 4486.

Por Redacción National Geographic
Publicado 13 abr 2023, 13:25 GMT-3

Un equipo de investigadores, que incluyó a un astrónomo de NOIRLab de NSF, desarrolló una nueva técnica de aprendizaje automático para mejorar la resolución y nitidez de las imágenes de interferometría de radio. Para demostrar el poder de su nueva herramienta, llamada PRIMO, el equipo creó una nueva versión en alta calidad de la icónica imagen capturada por el Telescopio Event Horizon, del agujero negro supermasivo que se encuentra en el centro de la galaxia elíptica Messier 87, ubicada a 55 millones de años luz de la Tierra. En la composición es posible ver la imagen del agujero negro supermasivo M87 publicada originalmente por la colaboración EHT en 2019 (a la izquierda), y la nueva imagen generada por el algoritmo PRIMO, que utilizó el mismo conjunto de datos (derecha).

Fotografía de L. Medeiros (Institute for Advanced Study), D. Psaltis (Georgia Tech), T. Lauer (NSF’s NOIRLab), and F. Ozel (Georgia Tech)

Esta icónica imagen del centro de la galaxia M87 (Messier 87) divulgada por el Telescopio Event Horizon (EHT por sus siglas en inglés) en 2019 fue retocada a través de la técnica del aprendizaje automático o Machine Learning, la cual fue llamada PRIMO. De acuerdo con el artículo publicado por el centro de investigación NOIRlab de NSF y AURA llamado “Científicos logran mejorar la nitidez de la primera imagen de un agujero negro”, esta nueva imagen ilustra de mejor forma toda la extensión de la región oscura central del objeto y el sorprendentemente estrecho anillo exterior a su alrededor.  

El documento original fue divulgado por la revista The Astrophysical Journal Letters y cuenta con la participación de los físicos Lia Medeiros y Dimitrios Psaltis, el astrónomo de NOIRLab/NSF Tod Lauer y la astrofísica Feryal Ozel. Estos investigadores enseñaron al algoritmo determinadas reglas de comportamiento a partir de la exposición de más de 30 mil imágenes simuladas de alta calidad de gas acumulado en un agujero negro

Con la utilización del método de enseñanza llamado aprendizaje de diccionario (dictionary learning en inglés), PRIMO aprendió a detectar patrones comunes entre los ejemplares de imágenes, completar una representación más precisa de las observaciones capturadas por EHT y proveer una estimación de alta calidad acerca de la estructura faltante del centro de la galaxia

(Inteligencia Artificial: Qué es ChatGPT y para qué sirve

Cómo se estudian los Agujeros Negros desde la Tierra

NOIRLab advierte que la sombra de un agujero negro es lo más cercano que se puede estudiar con los resultados obtenidos a partir de una imagen, ya que se trata de un objeto espacial completamente oscuro que a la luz le es imposible escapar. La información más reciente obtenida de M87 indica que: 

  • El límite del agujero negro conocido como Horizonte de Sucesos es unas 2.5 veces más pequeño que la sombra que proyecta 
  • Mide poco menos de 40 000 millones de kilómetros de diámetro
  • El anillo que lo rodea es producido por gas caliente que cae dentro de él.

Medeiros explica que los montajes actuales de agujeros negros juegan un papel crucial en la habilidad de comprender sus comportamientos debido a que es imposible estudiarlos de cerca: “El ancho del anillo en la imagen ahora es más pequeño en un factor de dos, lo que será una poderosa limitación para nuestros modelos teóricos y pruebas de gravedad”, concluye la investigadora

Es por este motivo que los nuevos resultados de la imagen nítida conducen a determinaciones más precisas acerca de la masa de Messier 87 y los parámetros físicos que determinan su estructura. De tal modo, PRIMO puede ser funcional al estudio de observaciones adicionales en EHT, incluyendo las de Sagittarius A, el agujero negro localizado en el centro de nuestra propia Vía Láctea. 

más popular

    ver más
    loading

    Descubre Nat Geo

    • Animales
    • Medio ambiente
    • Historia
    • Ciencia
    • Viajes
    • Fotografía
    • Espacio
    • Video

    Sobre nosotros

    Suscripción

    • Regístrate en nuestro newsletter
    • Disney+

    Síguenos

    Copyright © 1996-2015 National Geographic Society. Copyright © 2015-2024 National Geographic Partners, LLC. Todos los derechos reservados