HyperAI超神经

Contenu en un coup d'œil :En 2019, l’équipe de recherche mondiale de l’Event Horizon Telescope (EHT) a publié la première photo d’un trou noir de l’histoire de l’humanité. En raison des conditions d'observation de l'époque, cette image du trou noir ne montrait qu'un contour flou. Récemment, un article a été publié dans la revue d'astrophysique « The Astrophysical Journal Letters » qui reconstruit l'image du trou noir M87 sur la base de l'algorithme PRIMO. Les résultats de la recherche ont apporté une image plus claire du trou noir.
Mots-clés:Algorithme PRIMO du trou noir M87 PCA

Cet article a été publié pour la première fois sur la plateforme publique HyperAI WeChat~

Un trou noir est un corps céleste qui existe dans l’univers selon la relativité générale moderne. Sa force gravitationnelle est si forte que la vitesse de fuite dans l'horizon des événements est supérieure à la vitesse de la lumière, c'est pourquoi on l'appelle un trou noir. Le trou noir M87 est un énorme corps céleste situé à 55 millions d'années-lumière de la Terre.Sa masse est environ 6,5 milliards de fois celle du Soleil.

En 2019, l'équipe de recherche mondiale de l'Event Horizon Telescope (EHT) a officiellement publié la première photo d'un trou noir capturée par l'homme : la photo du trou noir M87. C'était la première fois que les humains étaient témoins de la véritable apparence d'un trou noir, ce qui a rendu le trou noir M87 « populaire » dans le monde entier du jour au lendemain.Cependant, en raison des limitations des conditions d’observation, la première image d’un trou noir ne pouvait présenter qu’un contour flou.

Récemment,Des chercheurs de l'Institute for Advanced Study ont utilisé plus de 30 000 images de trous noirs simulés à haute résolution pour former l'algorithme PRIMO (modélisation interférométrique en composantes principales).Apprenez les lois de la propagation de la lumière autour d’un trou noir, afin de reconstruire une image de trou noir de meilleure qualité et plus claire. PRIMO permet aux scientifiques d’étudier les trous noirs plus en profondeur et de comprendre leurs propriétés et caractéristiques, tout en fournissant un nouveau type de méthode de traitement des données avec un grand potentiel pour les développements futurs en astronomie et en physique.La recherche a été publiée dans la revue The Astrophysical Journal Letters, intitulée « L'image du trou noir M87 reconstruite avec PRIMO ».

Les résultats ont été publiés dans The Astrophysical Journal Letters

Adresse du document :

https://iopscience.iop.org/article/10.3847/2041-8213/acc32d/pdf

Des « Donuts » aux « Golden Rings »

En 2017, l'EHT a réussi à prendre une photo du trou noir M87 à l'aide d'un radiotélescope d'une ouverture équivalente au diamètre de la Terre.La photo montre que M87 ressemble à un « beignet », avec un anneau brillant autour de l'extérieur et une ombre au milieu.

Figure 1 : Image du trou noir M87

À gauche : une photo du trou noir M87 prise par le télescope Event Horizon en 2017.

Milieu : Résultats de la reconstruction des données M87 2017 à l'aide de l'algorithme PRIMO.

À droite : Floutage de l’image PRIMO à la résolution du réseau EHT.

La figure 1 montre que par rapport à la première photo du trou noir M87, la largeur de l'anneau d'image reconstruit a été divisée par deux, et une zone plus grande et plus sombre a été exposée au milieu, ce qui ressemble davantage à un « anneau doré ». Cela montre que les chercheurs ont réussi à améliorer la résolution de l’image du trou noir et que l’image est cohérente avec les données EHT et les attentes théoriques. À cet égard, Lia Medeiros, la première auteure de cet article, a déclaré :« Cette avancée dans la recherche est d’une grande importance pour une compréhension plus approfondie du comportement des trous noirs, ainsi que pour la vérification des modèles théoriques et les tests gravitationnels. »

Procédures expérimentales

Aperçu du processus

Les chercheurs ont utilisé les données d'observation du trou noir M87 par l'EHT les 5, 6, 10 et 11 avril 2017 comme ensemble d'entraînement pour cette étude.Les observations ont été réalisées à partir de sept sites de radiotélescopes situés à cinq endroits géographiques.Parmi elles, les données d’observation du 11 avril constituent l’ensemble de données de référence.

Dans cette expérience,Les chercheurs ont principalement utilisé un nouvel algorithme de reconstruction d’image, PRIMO, pour reconstruire l’image du trou noir.Tout d’abord, les chercheurs ont utilisé des simulations de magnétohydrodynamique relativiste générale (GRMHD) pour générer un grand nombre d’images simulées de trous noirs. Ensuite, l'analyse en composantes principales (ACP) est utilisée pour obtenir un ensemble de bases orthogonales clairsemées dans la bibliothèque d'images simulées GRMHD, qui est également un cas d'utilisation de l'apprentissage par dictionnaire. Enfin, la base PCA et l'algorithme PRIMO sont utilisés pour reconstruire l'image à partir des données interférométriques clairsemées.

* GRMHD :La magnétohydrodynamique relativiste générale (GRMHD) est un cadre théorique qui combine la relativité générale et la magnétohydrodynamique pour décrire le comportement de la matière et de l'énergie sous un mouvement à grande vitesse et des champs magnétiques puissants. Le GRMHD dispose d’une large gamme d’applications, particulièrement adaptées à l’étude et à la simulation de certains phénomènes physiques extrêmes.Tels que le flux de plasma autour des trous noirs, le comportement de la magnétohydrodynamique dans l'espace interstellaire et la formation et l'évolution des galaxies et des amas de galaxies. Grâce à la simulation GRMHD, nous pouvons étudier des questions importantes telles que le processus d’accrétion des trous noirs, la génération de jets et le mécanisme de formation d’étoiles dans les galaxies.

* PCA :L'analyse en composantes principales (ACP) est une méthode utilisée pour l'analyse statistique et la simplification des ensembles de données. Il transforme les observations de variables éventuellement corrélées en un ensemble de valeurs de variables linéairement non corrélées par transformation orthogonale. Ces variables non corrélées sont appelées composantes principales. En appliquant l’ACP, les chercheurs peuvent simplifier des ensembles de données complexes en moins de composants principaux. L'ACP a de nombreuses applications dans la réduction de la dimensionnalité des données, l'extraction de caractéristiques et la visualisation des données.En utilisant l’ACP, les chercheurs peuvent mieux comprendre les données et les transformer en une forme plus facilement interprétable et utilisable, découvrant ainsi des informations et des relations cachées dans les données.

* PREMIER:PRIMO (principal-component interferometric modeling) est un nouvel algorithme basé sur l'apprentissage par dictionnaire. Son cœur est la technologie de modélisation interférométrique des composants principaux. Il est formé sur un grand nombre d’images de trous noirs simulés.Permet aux chercheurs de récupérer des images haute fidélité dans des situations où la couverture du radiotélescope est faible,Et atteindre la résolution physique du réseau EHT pour résoudre le problème de rareté des données dans l'interférométrie à ondes millimétriques.

Étude des paramètres

Les chercheurs ont mené une étude paramétrique dans cette expérience.Les études paramétriques impliquent de faire varier et d’ajuster les paramètres d’un système ou d’un modèle afin d’observer et de comprendre leurs effets sur le comportement et les résultats du système.Grâce à cette étude, les chercheurs peuvent explorer dans quelle mesure les paramètres affectent diverses variables et résultats de sortie au cours de l’expérience, ainsi que la relation entre les paramètres.

Les chercheurs ont fixé le flux source compact total de l'image de référence PRIMO de M87 à 0,6 Jy et ont reconstruit l'image en utilisant une combinaison linéaire des 20 composants PCA. Dans une étude paramétrique, les chercheurs ont comparé les images de base avec des images obtenues à l’aide de différents flux de sources compactes totales et de différents composants PCA.Utilisé pour observer les changements dans les caractéristiques de l'image.Par exemple, la taille, la luminosité et l’angle du point le plus brillant de l’anneau. Le résultat est montré dans la figure ci-dessous :

Figure 2 : Comparaison de l'image de base et des images avec différents composants de flux et de PCA

En haut : Comparaison des images PRIMO a posteriori maximales pour des flux totaux de 0,5, 0,6 et 0,7 Jy.

Milieu : Comparaison des images a posteriori maximales en utilisant uniquement 12, 14 et 18 composants PCA.

En bas : Exemples d'images tirées aléatoirement de l'étape MCMC de la chaîne de référence, avec un flux de 0,6 Jy et 20 composants PCA.

Comme on peut le voir sur la figure,Différents flux de source de compression totale et différents nombres de composants PCA entraîneront des différences dans la luminosité et l'angle de position de la partie la plus brillante de l'anneau.En même temps, la taille et la largeur de l’anneau ne sont pas affectées. La figure 3 montre une comparaison des images reconstruites à partir des données EHT des 5, 6, 10 et 11 avril 2017.

Figure 3 : Comparaison des images reconstruites à partir des données EHT des 5, 6, 10 et 11 avril 2017

Comme on peut le voir sur la figure, l’angle de position de la partie la plus brillante de l’anneau et de la partie la plus brillante dans la partie sud de l’anneau varient légèrement à différentes dates. En comparant les images des deux premiers jours et des deux derniers jours, nous pouvons également voir clairement la différence dans l'angle de position de la partie la plus brillante de l'anneau et la luminosité de l'anneau.Les chercheurs pensent que cela est dû à la structure de la source observée, qui est la différence dans la distribution et la disposition de la matière autour du trou noir.

Le premier auteur de l'article a été interviewé et a détaillé l'impact de PRIMO sur l'astronomie

14 avril 2023Le podcast Discovery Files a interviewé Lia Medeiros, la première auteure de cet article.

Dans l'interview, Lia Medeiros a déclaré que théoriquement, le télescope pour observer les trous noirs devrait être aussi grand que la Terre, mais pour des raisons pratiques, les humains ne peuvent pas construire un télescope aussi énorme.Il existe donc le réseau EHT, qui se compose de plusieurs radiotélescopes répartis dans le monde entier.À l’aide d’une technique appelée interférométrie, un télescope virtuel avec une ouverture équivalente au diamètre de la Terre est formé pour observer les trous noirs.

Figure 5 : Image du trou noir générée par EHT (par Andrew Chael)

Dans le même temps, Lia Medeiros a également expliqué que la couleur d'ouverture d'origine dans l'image du trou noir est invisible à l'œil humain, de sorte que la vraie couleur ne peut pas être montrée à tout le monde. La raison pour laquelle les chercheurs ont choisi l’orange pour le représenter est que cette couleur est belle. et,La lumière ne provient pas du trou noir lui-même, mais est émise par la matière qui l’entoure.