باکیفیتترین ویدئو از فوران سیاهچاله؛ نتیجه بازسازی ۲۷ سال رصد با هوش مصنوعی
پژوهشگران بیش از ۱۰۰ تصویر از یک سیاهچاله را با کمک هوش مصنوعی به ویدئو تبدیل کردند تا فعالیت فواره قدرتمند آن را بررسی کنند. اخترشناسان بهتازگی ویدئویی را منتشر کردهاند که ساخت آن ۲۷ سال طول کشیده است: باکیفیتترین پویانمایی ساختهشده از فوارهی عظیم یک سیاهچاله که از کهکشانی دوردست به بیرون فوران میکند و در فضا پیچوتاب میخورد.
به گزارش سایت دیدبان ایران، پژوهشگران بیش از ۱۰۰ تصویر از یک سیاهچاله را با کمک هوش مصنوعی به ویدئو تبدیل کردند تا فعالیت فواره قدرتمند آن را بررسی کنند.
اخترشناسان بهتازگی ویدئویی را منتشر کردهاند که ساخت آن ۲۷ سال طول کشیده است: باکیفیتترین پویانمایی ساختهشده از فوارهی عظیم یک سیاهچاله که از کهکشانی دوردست به بیرون فوران میکند و در فضا پیچوتاب میخورد.
ویدئو با استفاده از ۱۱۶ تصویر که بین سالهای ۱۹۹۵ تا ۲۰۲۲ ثبت شدهاند، ساخته شده و یک «بلازار» یا فروزنده به نام 3C 345 را در صورت فلکی هرکول نشان میدهد. بلازار نوعی اختروش است؛ یعنی سیاهچالهای کلانجرم، درخشان و در حال تغذیه که در مرکز کهکشانی دوردست قرار دارد و فوارههای عظیمی از گاز را به محیط اطراف خود پرتاب میکند. این فوارهها با سرعتی نزدیک به سرعت نور حرکت میکنند و حاوی پرتوهای ایکس و گاما با انرژی بسیار بالا هستند.
دانشمندان در مقالهای تازه توضیح دادهاند که تصاویر 3C 345 را با استفاده از چند دهه رصدهای آرایه خط پایه بسیار بزرگ (VLBA) گردآوری کردند؛ شبکهای متشکل از ۱۰ تلسکوپ که در سرتاسر ایالات متحده پراکندهاند. VLBA در قالب دو برنامه با نامهای BEAM-ME و MOJAVE که در مجموع صدها منبع بلازار را پایش میکردند، تصاویری از فواره مورد بحث ثبت کرده بود.
تیم پژوهش برای تبدیل حدود ۱۰۰ تصویر به فیلم پویانمایی، از یک شبکه عصبی هوش مصنوعی به نام Kine استفاده کرد و به وضوحی چهار برابر بیشتر از وضوح هر یک از تصاویر منفرد دست یافت. پژوهشگران با این کار توانستند سرعت فواره سیاهچاله را با بالاترین دقت تاکنون اندازهگیری کنند. چند نفر از نویسندگان مطالعه پیشتر هنگام همکاری در پروژه «تلسکوپ ایونت هورایزن» که نخستین تصویر سیاهچاله را ثبت کرد، در افزایش وضوح تصاویر سیاهچالههای دوردست تجربه کسب کرده بودند.
ماریانا فوشی، نویسنده اول مقاله و پژوهشگر پسادکتری در مؤسسه فناوری کالیفرنیا، به لایوساینس گفت: «کیفیت بالاتر بازسازی ویدئویی ما امکان اندازهگیری دقیق سرعت پلاسما در فواره را فراهم کرد.»
پژوهشگران از مشاهده این موضوع شگفتزده شدند که درخشانترین ساختارهای فوارهای قدرتمند با سرعتی معادل ۱۰ تا ۱۳ برابر سرعت نور حرکت میکردند، درحالیکه گاز پیرامون آنها سرعت حرکتی در حدود ۹ تا ۱۲ برابر سرعت نور داشت. البته این اعداد به معنای حرکت واقعی ماده با سرعتی بیشتر از نور نیستند؛ بلکه سرعت ظاهری فواره را نشان میدهند که بر اثر حرکت بسیار سریع آن در زاویهای نزدیک به خط دید ما و اثرات نسبیتی، میتواند حتی چندین برابر سریعتر از نور به نظر برسد.
فوشی گفت: «این موضوع غیرمنتظره است، زیرا اجماع کلی بر این است که این ساختارهای درخشان، آشفتگیهای ناشی از شوک هستند که درون پلاسما حرکت میکنند و بنابراین باید سرعت بیشتری از سیال پیرامون خود داشته باشند.»
شبکه VLBA برای نقشهبرداری از آسمان از آنتنهای رادیویی مستقر در سراسر ایالات متحده استفاده میکند و به این ترتیب نمایی گسترده از جهان در اختیار دانشمندان میگذارد. بااینحال، این آرایه با وجود پوشش گسترده آسمان، جزئیات بسیار ظریف را بهخوبی نشان نمیدهد. این سامانه برای تولید تصاویر دوبعدی طراحی شده است و دادههای آن براساس اندازهگیریهای انجامشده میان دو تلسکوپ از تلسکوپهای آرایه شکل میگیرند. از آنجایی که این اندازهگیریها تنها با ۱۰ تلسکوپ انجام میشوند، وضوح پیکسلی آرایه محدود است.
اینجاست که مدل هوش مصنوعی کاین وارد میشود. به گفته فوشی، هدف از توسعه کاین ساخت الگوریتمی برای تصویربرداری است که بتواند از رصدهای انجامشده در زمانهای مختلف، ویدئو تولید کند و روی اجرام نجومی با روشنایی متغیر تمرکز داشته باشد.
کاین یک شبکه عصبی است؛ نوعی مدل یادگیری ماشین که با استفاده از لایههایی از «نورونها» یا گرههای محاسباتی، از یک مجموعهداده آموزش میبیند؛ مشابه فرایندی که مغز انسان برای یادگیری انجام میدهد. پژوهشگران در مقاله خود نوشتهاند کاین میتواند «رصدهای انجامشده در زمانهای مختلف را پردازش کند و همزمان همبستگیهای مکانی-زمانی موجود در دادهها را یاد بگیرد و به کار بگیرد»؛ یعنی روابط میان زمان و سه بُعد فضا.
فوشی گفت تیم پژوهش مشتاق است کاین را روی دیگر رصدهای نجومی نیز آزمایش کند. او گفت: «ما باور داریم این روش نحوه مطالعه دینامیک فوارهها از طریق دادههای رصدی را بهطور چشمگیری تغییر خواهد داد. در واقع، روش ما امکان تخمین دقیق سرعت ظاهری فواره را در هر نقطه از آن فراهم میکند.»