Czarne dziury to najbardziej tajemnicze obiekty we Wszechświecie. A za pierwszym zdjęciem jednej z nich stoją algorytmy uczenia maszynowego
Czarna dziura nie wypuszcza nawet światła, ale przynosi Nagrodę Nobla z fizyki. Uhonorowani w tym roku badacze przyczynili się do dowiedzenia, że czarne dziury są fizycznie możliwe.
Roger Penrose, fizyk i matematyk, udowodnił w 1965 r., że istnienie czarnych dziur wynika wprost z ogólnej teorii względności Alberta Einsteina (sam Einstein do końca życia był przekonany, że nie mogą istnieć). Penrose współpracował ściśle w tej dziedzinie ze zmarłym w 2018 r. Stephenem Hawkingiem (zapewne dzieliliby nagrodę, lecz są one przyznawane tylko żyjącym naukowcom).
Pozostała dwójka naukowców, która otrzymała połowę nagrody, Andrea Mia Ghez oraz Reinhard Genzel, specjalizują się w obserwacjach centrum naszej Galaktyki. Ich prace pozwoliły precyzyjnie określić orbity gwiazd, które krążą wokół niezwykle masywnego obiektu w jej centrum, nazwanego Saggitarius A* (od łacińskiej nazwy gwiazdozbioru Strzelca), w skrócie Sgr A*. To z kolei pozwoliło wyznaczyć jego masę na około 4,5 mln mas Słońca i potwierdzić hipotezę, że musi być to czarna dziura.
Może kiedyś doczekamy się jej zdjęcia. Brzmi absurdalnie? Jedną taką fotografię już wykonano, choć przedstawia inny obiekt. Ale i tak była to naukowa sensacja zeszłego roku.
Dziuro, uśmiech!
Pierwsze w historii zdjęcie czarnej dziury przedstawione przez badaczy w 2019 roku to niezwykłe osiągnięcie współczesnej nauki. I, o czym mało kto wie, algorytmów uczenia maszynowego.
Obraz przedstawia obłok pyłów i gazów znajdujący się w centrum oddalonej od nas o 55 mln lat świetlnych galaktyki M87. Jego masa jest 6,5 miliarda razy większa od masy Słońca i skoncentrowana w tak niewielkiej przestrzeni, że badacze nie mieli wątpliwości, że jest to czarna dziura.
Gwoli ścisłości – czarnej dziurze nie można zrobić zdjęcia, bo (zgodnie z teorią względności Einsteina) jest tak masywna, że nic z prędkością mniejszą od prędkości światła w próżni nie może się z niej wydostać – z kolei prędkości większe są niemożliwe (ich osiągnięcie wymaga nieskończonego czasu lub nieskończonej energii). Można zatem tylko sfotografować cień takiego obiektu na tle czegoś, co emituje promieniowanie. I tak właśnie się stało.
Autorką algorytmu, który to umożliwił, jest Katie Bouman, obecnie doktor matematyki i nauk informatycznych. Wpadła na ten pomysł, gdy była jeszcze studentką Massachusetts Institute of Technology (MIT). Kierowała tam projektem, w którym udział brały zespół Laboratorium Informatyki i Sztucznej Inteligencji MIT, Centrum Astrofizyki Harvard-Smithsonian i Obserwatorium Myst Haystack. Nad ostateczną wersją algorytmów pracowało w sumie ponad 200 osób.
Źródło: TED
Zdjęcie opublikowane w 2019 roku nie przedstawia czarnej dziury w centrum naszej Galaktyki, bowiem to przedsięwzięcie trudniejsze. Od centrum Drogi Mlecznej oddzielają nas chmury pyłów i rozżarzonych gazów, które utrudniają obserwacje. Naukowcy mają nadzieję, że wkrótce uda się im dostrzec i naszą, rodzimą czarną dziurę. Z galaktyką M87 było o tyle łatwiej, że widzimy ją „z góry” (lub, jak kto woli, „od dołu”) i centralny, supermasywny obiekt widać było lepiej.
Nie oznacza to, że obraz czarnej dziury w galaktyce M87 powstał bez przeszkód. Przede wszystkim potrzebny był odpowiednio wielki teleskop. Im większy, tym lepszy. Postanowiono wykorzystać wiele radioteleskopów umieszczonych na całym globie (co odpowiada wirtualnemu teleskopowi o średnicy czaszy równej rozmiarom Ziemi). W kwietniu 2017 roku przez 10 dni osiem teleskopów w Europie, Ameryce Południowej, Środkowej, Północnej, na Hawajach i biegunie południowym robiło „zdjęcie”, czyli zbierało dane dochodzące z centrum galaktyki M87 do czasz astronomicznych instrumentów.
Zebrane 4 petabajty danych – czyli 4 miliony gigabajtów – to było zbyt wiele, by móc je przesłać za pomocą łączy. Przewieziono je statkami i samolotami na twardych dyskach. Dane przetwarzano w dwóch ośrodkach: Instytucie Radioastronomii Maxa Plancka w Bonn oraz obserwatorium MIT Haystack w Westford, Massachusetts (pierwszy analizował sygnały z zakresu wysokich częstotliwości, drugi niskich).
Dane zostały zsynchronizowane i pozbawione szumu. Ale do stworzenia obrazu było to nadal za mało. Sygnały do teleskopów powinny docierać w tym samym czasie, ale ziemska atmosfera może je zakłócać – tak samo, jak dzieje się to ze światłem gwiazd, które migocze. Dr Katie Bouman jest pomysłodawczynią algorytmu, nazwanego CHIRP (od Continuous High-resolution Image Reconstruction using Patch priors), który pomógł naukowcom oczyścić dane i uzupełnić luki tam, gdzie ich brakowało.
Kosmiczna ilość danych
W astronomii algorytmy uczenia maszynowego są wykorzystywane coraz częściej. Nic w tym dziwnego – astronomowie muszą analizować bardzo duże ilości danych. Algorytmy służą im do rozpoznawania obiektów i ich klasyfikacji (na przykład galaktyk), do poprawy jakości obrazów i wyodrębniania słabych sygnałów z szumu tła. To pozwala na przykład odkrywać nowe planety poza naszym układem słonecznym, nowe zderzenia czarnych dziur dzięki wykrywaniu fal grawitacyjnych czy takie zderzenia modelować.
Astrobiologom, czyli naukowcom zajmującym się badaniami nad możliwością życia poza Ziemią, algorytmy ułatwią zaś odkrycie śladów życia na innych planetach. Jeśli oczywiście w tym zakątku Wszechświata nie jesteśmy samotni.
Przeczytaj o związkach sztucznej inteligencji z tegorocznymi Nagrodami Nobla z medycyny i fizjologii oraz chemii.