L’M87 è il buco nero centrale della galassia ellittica gigante Galassia Virgo A. E adesso è più visibile
Grazie all’intelligenza artificiale lo studio dei buchi neri e quindi delle galassie potrebbe diventare più facile.
Un team di esperti (composto dai membri dell’EHT Lia Medeiros, Institute for Advanced Study, Dimitrios Psaltis e e Feryal Özel della Georgia Tech, Tod Lauer della NOIRLab)ha sviluppato un sistema di IA, rinominato PRIMO, che consente di studiare i buchi neri più da vicino.
In particolare, PRIMO ha colmato le lacune nell’iconica immagine di M87, il buco nero centrale della galassia ellittica gigante Galassia Virgo A, codificata come “M87”.
Si tratta di un buco nero supermassiccio, formatosi presumibilmente dalla fusione di diversi buchi neri.
Con la nuova immagine è stato possibile vedere una regione centrale più grande e più scura, circondata dal gas luminoso in accrescimento a forma di “ciambella magra” (fonta: AGI).
«Poiché non possiamo studiare i buchi neri da vicino, il dettaglio di un’immagine gioca un ruolo fondamentale nella nostra capacità di comprenderne il comportamento. La larghezza dell’anello nell’immagine è ora più piccola di circa un fattore due, il che sarà un potente vincolo per i nostri modelli teorici e test di gravità» hanno spiegato gli esperti nella loro pubblicazione, avvenuta sul The Astrophysical Journal Letters.
«PRIMO è un nuovo approccio al difficile compito di costruire immagini dalle osservazioni EHT. Fornisce un modo per compensare le informazioni mancanti sull’oggetto osservato, necessarie per generare l’immagine che sarebbe stata vista utilizzando un singolo gigantesco radiotelescopio delle dimensioni della Terra», ha spiegato Tod Lauer.
PRIMO si basa sull’apprendimento del dizionario, un ramo dell’apprendimento automatico che consente ai computer di generare regole basate su grandi set di materiale didattico. Da Agi: “se un computer riceve una serie di diverse immagini di banane, con un addestramento sufficiente, potrebbe essere in grado di determinare se un’immagine sconosciuta è o meno una banana”. Sulla base di questo esempio si può capire come è stato usato PRIMO: i computer hanno analizzato oltre 30.000 immagini simulate ad alta fedeltà di buchi neri in accrescimento di gas, cercando schemi comuni nella struttura delle immagini; i vari modelli di struttura sono stati ordinati in base alla frequenza con cui si sono verificati nelle simulazioni e sono stati quindi combinati per fornire una rappresentazione altamente accurata delle osservazioni EHT.
«Circa quattro anni dopo che la prima immagine in scala dell’orizzonte di un buco nero è stata svelata da EHT nel 2019, abbiamo segnato un’altra pietra miliare, producendo un’immagine che utilizza per la prima volta la piena risoluzione dell’array. Le nuove tecniche di apprendimento automatico che abbiamo sviluppato forniscono un’opportunità d’oro per il nostro lavoro collettivo per comprendere la fisica dei buchi neri. Stiamo usando la fisica per riempire regioni di dati mancanti in un modo che non è mai stato fatto prima usando l’apprendimento automatico. Questo potrebbe avere importanti implicazioni per l’interferometria, che svolge un ruolo in campi che vanno dagli esopianeti alla medicina».
di: Micaela FERRARO
FOTO: PIXABAY
