أصدر العلماء نسخة محسنة بشكل كبير من صورة أول ثقب أسود شوهد على الإطلاق، معروف باسم “مسييه 87” (M87).
وفي عام 2017، جمع علماء بالتعاون مع المشروع الدولي “مقراب أفق الحدث” (Event Horizon Telescope) أو اختصارا EHT، بيانات عن M87، وهو ثقب أسود في وسط مجرة قريبة.
وتم استخدام هذه البيانات لإنشاء صورة للثقب الأسود، فظهرت على شكل كعكة دائرية “ضبابية برتقالية” عندما تم عرضها في صورة تم إصدارها بعد ذلك بعامين.
والآن، استخدم العلماء الذكاء الاصطناعي لتحسين تلك الصورة وإنتاج صورة كاملة الدقة لهذا الثقب الأسود لأول مرة.
وبالإضافة إلى إعطائنا صورة أفضل عن هذا الثقب الأسود، يأمل العلماء في أن يتمكنوا من توفير مزيد من المعلومات حول تلك الأجسام الكبيرة الحجم التي ما تزال غامضة.
وتقول المؤلفة الرئيسية ليا ميديروس من معهد الدراسات المتقدمة، في بيان: “باستخدام أسلوب التعلم الآلي الجديد، PRIMO، تمكنا من تحقيق أقصى دقة للمصفوفة الحالية. وبما أننا لا نستطيع دراسة الثقوب السوداء عن قرب، فإن تفاصيل الصورة تلعب دورا مهما في قدرتنا على فهم سلوكها”.
وأضافت أن عرض الحلقة في الصورة الآن “أصبح أصغر بنحو ضعفين”. ويقول العلماء إن هذا المنظور الجديد للثقب الأسود الفائق الكتلة “سيلعب دورا حاسما في قدرتنا على فهم سلوكه” ويمكن أن يساعد على تفسير كيف “تأكل” الثقوب السوداء المادة من حولها.
وتم تطوير PRIMO من قبل أعضاء تعاون “مقراب أفق الحدث” (EHT). ويصف العلماء تقنية التعلم الآلي هذه، بالإضافة إلى الصورة الجديدة في ورقة بحثية جديدة نُشرت في مجلة The Astrophysical Journal Letters.
على الرغم من وصف “مقراب أفق الحدث” أحيانا بأنه يحول الأرض بأكملها إلى تلسكوب، من خلال تمشيط البيانات من سبعة تلسكوبات موجودة حول العالم، فمن غير المجدي تغطية الكوكب بأكمله بها. وهذا يعني أن هناك فجوات مفقودة في الصور.
وأوضح تود لاور، من NOIRLab، وأحد أعضاء الفريق العلمي: “PRIMO هو نهج جديد للمهمة الصعبة المتمثلة في تكوين صور من ملاحظات مقراب أفق الحدث. إنه يوفر طريقة للتعويض عن المعلومات المفقودة حول الكائن الذي تتم ملاحظته، وهو أمر مطلوب لتوليد الصورة التي كان يمكن رؤيتها باستخدام تلسكوب راديو عملاق واحد بحجم الأرض”.
وباستخدام PRIMO، حللت أجهزة الكمبيوتر أكثر من 30 ألف صورة محاكاة عالية الدقة للثقوب السوداء المتراكمة للغاز. وغطت مجموعة عمليات المحاكاة مجموعة واسعة من النماذج لكيفية تراكم الثقب الأسود للمادة، بحثا عن الأنماط الشائعة في بنية الصور.
وهذا ما يشير إلى توفير تمثيل دقيق للغاية لملاحظات “مقراب أفق الحدث”، ما يوفر في الوقت نفسه تقديرا عالي الدقة للبنية المفقودة في الصور الحقيقية.
A machine learning technique filled in data gaps in the image of M87’s black hole, resulting in a thinner ring. https://t.co/M7xll1eSc4
— Society for Science (@Society4Science) April 13, 2023
وقالت الدكتورة ميديروس: “نحن نستخدم الفيزياء لملء مناطق البيانات المفقودة بطريقة لم يتم القيام بها من قبل باستخدام التعلم الآلي. ويمكن أن يكون لهذا تداعيات مهمة على قياس التداخل، الذي يلعب دورا في مجالات تبدأ من الكواكب الخارجية وتنتهي إلى الطب”.
المصدر: إندبندنت
