پژوهشگران به کمک هوش مصنوعی، اعتبار نخستین عکس سیاه‌چاله را تایید کردند

مطالعه‌ای جدید با استفاده از هوش مصنوعی و روش‌های مستقل، ساختار حلقه‌ای نخستین تصویر سیاه‌چاله را تأیید کرد و به اختلاف‌نظرها درباره آن پاسخ داد.

پژوهشگران به کمک هوش مصنوعی، اعتبار نخستین عکس سیاه‌چاله را تایید کردند

به گزارش سایت دیدبان ایران، بیش از هفت سال پس از انتشار نخستین تصویر مستقیم از یک سیاه‌چاله، پژوهشگران با استفاده از روش‌های مستقل و الگوریتم‌های جدید یادگیری ماشین، بار دیگر صحت ساختار حلقه‌ای مشهور آن را تأیید کرده‌اند. یافته‌های جدید نه‌تنها اعتبار تصویر تاریخی سیاه‌چاله مرکز کهکشان مسیه ۸۷ (M87) را تقویت می‌کند، بلکه به اختلاف‌نظرهای علمی درباره جزئیات آن نیز پاسخ می‌دهد.

در ۱۰ آوریل ۲۰۱۹، پروژه بین‌المللی تلسکوپ افق رویداد (EHT) از تصویری رونمایی کرد که به یکی از نمادهای علم در قرن بیست‌ویکم تبدیل شد. این تصویر، سیاه‌چاله کلان‌جرم مرکز کهکشان M87 را در فاصله حدود ۵۵ میلیون سال نوری از زمین نشان می‌داد؛ جرمی که حلقه‌ای درخشان از گاز داغ و چرخان اطراف آن را احاطه کرده بود.

ساختار تاریک مرکز تصویر، در واقع سایه سیاه‌چاله بود؛ پدیده‌ای که نظریه نسبیت عام اینشتین وجود آن را پیش‌بینی می‌کرد. بااین‌حال، از همان ابتدا درباره برخی جزئیات تصویر، به‌ویژه شکل دقیق حلقه و ویژگی‌های ظریف آن، پرسش‌هایی مطرح شد.

اکنون گروهی از پژوهشگران در مطالعه‌ای تازه، با بازتحلیل داده‌های اولیه تلسکوپ افق رویداد به نتایجی مستقل رسیده‌اند که ساختار اصلی تصویر سال ۲۰۱۹ را تأیید می‌کند.

تصویربرداری از سیاه‌چاله‌ای در فاصله میلیون‌ها سال نوری، به قدرت تفکیک بسیار بالایی نیاز دارد. برای درک بهتر این دشواری، تصور کنید بخواهید از یک دونات روی سطح ماه، درحالی‌که روی زمین ایستاده‌اید، عکس بگیرید. دستیابی به چنین وضوحی به تلسکوپی به‌اندازه کل زمین نیاز دارد.

از همان ابتدا درباره برخی جزئیات تصویر سیاه‌چاله، به‌ویژه شکل دقیق حلقه و ویژگی‌های ظریف آن، پرسش‌هایی مطرح شد

پروژه تلسکوپ افق رویداد برای حل این مشکل، هشت رصدخانه رادیویی در نقاط مختلف زمین را با استفاده از تکنیکی به نام تداخل‌سنجی خط پایه بسیار بلند (VLBI) به یکدیگر متصل کرد. بدین ترتیب، شبکه‌ای از تلسکوپ‌ها شکل گرفت که مانند یک تلسکوپ مجازی به‌اندازه زمین عمل می‌کرد.

بااین‌حال، ترکیب داده‌های دریافتی از تلسکوپ‌های مختلف کار ساده‌ای نیست. هر رصدخانه ممکن است به‌دلیل محدودیت تجهیزات یا اختلال‌های جوی، خطاهایی در اندازه‌گیری‌های خود داشته باشد. افزون بر این، چهار گروه مستقل در پروژه اولیه مسئول بازسازی تصویر بودند و هرچند همگی به ساختاری حلقه‌مانند رسیدند، در نمایش جزئیات آن اختلاف‌هایی وجود داشت.

برخی پژوهش‌ها حتی درباره ماهیت حلقه‌ای ساختار مشاهده‌شده تردیدهایی مطرح کردند. همین اختلاف‌ها ضرورت بررسی دوباره داده‌های اولیه با روش‌هایی مستقل را افزایش داد.

پژوهشی جدید برای کاهش خطاهای اندازه‌گیری، از رویکردی به نام «ناورداهای بستار» استفاده کرد. در روش‌های متداول، داده‌های اندازه‌گیری‌شده توسط دو تلسکوپ با یکدیگر ترکیب می‌شوند؛ اما روش جدید اندازه‌گیری‌های سه تلسکوپ را هم‌زمان در نظر می‌گیرد.

رویکرد جدید کمک می‌کند خطاهای ناشی از تجهیزات رصدی و آشفتگی‌های جوی تا حد زیادی حذف شوند و اطلاعات دقیق‌تری از ساختار جرم مورد مطالعه به دست آید.

پژوهشگران سپس یک الگوریتم یادگیری ماشین به نام «GenDIReCT» را برای بازسازی تصویر توسعه دادند. نکته جالب اینکه این الگوریتم برای جلوگیری از تأثیر پیش‌فرض‌ها و سوگیری‌های احتمالی، با تصاویر معمولی از گربه‌ها، سگ‌ها و خودروها آموزش دیده بود؛ بنابراین هیچ اطلاعات قبلی درباره شکل ظاهری سیاه‌چاله نداشت.

پژوهشگران پیش از استفاده از داده‌های سیاه‌چاله مسیه ۸۷، عملکرد الگوریتم را با مجموعه‌ای گسترده از آزمون‌ها بررسی کردند. این آزمایش‌ها ساختارهای غیرحلقه‌ای و همچنین داده‌های واقعی کهکشان‌های دیگر، ازجمله قنطورس A را شامل می‌شدند.

تحلیل داده‌ها بار دیگر ساختار حلقه‌ای سیاه‌چاله را آشکار کرد. قطر و شکل کلی حلقه با نتایج منتشرشده در سال ۲۰۱۹ مطابقت داشت و نشان می‌داد سیاه‌چاله مرکز کهکشان مسیه ۸۷ جرمی معادل حدود ۶٫۵ میلیارد برابر خورشید دارد.

پژوهشگران همچنین توانستند این سیاه‌چاله را تقریباً از روبه‌رو مشاهده کنند؛ وضعیتی شبیه نگاه مستقیم از بالا به چشم یک توفند. البته تصویر جدید در برخی جزئیات ظریف، مانند پهنای حلقه و توزیع روشنایی در امتداد آن، با تصویر اولیه تفاوت‌هایی دارد. بااین‌حال، ساختار کلی و ویژگی‌های اصلی در هر دو تصویر یکسان است.

برای اطمینان بیشتر از اینکه نتیجه به الگوریتم یادگیری ماشین وابسته نیست، پژوهشگران روش تصویربرداری دیگری را نیز بر پایه تکنیک‌های آماری سنتی توسعه دادند. این روش مستقل هم با استفاده از داده‌های جدید، ساختار حلقه‌ای سیاه‌چاله را تأیید کرد.

اهمیت پژوهش جدید فقط به تأیید یکی از مشهورترین تصاویر نجومی محدود نمی‌شود. روش‌های توسعه‌یافته در این مطالعه می‌توانند در حوزه‌های دیگری نیز کاربرد داشته باشند؛ به‌ویژه در موقعیت‌هایی که لازم است داده‌های چندین حسگر برای بازسازی ساختارهای ناشناخته با یکدیگر ترکیب شوند. تصویربرداری پزشکی و نقشه‌برداری از زمین‌لرزه‌ها ازجمله حوزه‌هایی هستند که ممکن است از این تکنیک‌ها بهره ببرند.

درنهایت، یافته‌های جدید بار دیگر نشان می‌دهند که حتی یکی از مهم‌ترین تصاویر علمی دوران معاصر نیز می‌تواند با ابزارهای دقیق‌تر و روش‌های مستقل، از زاویه‌ای تازه بررسی شود؛ بدون آنکه اعتبار دستاورد اولیه زیر سؤال برود.

ارسال نظر