Des astronomes ont utilisé l’apprentissage automatique pour améliorer l’image du trou noir M87* prise par le télescope Event Horizon 2019, la première image directe d’un trou noir jamais réalisée.
La première photo d’un trou noir supermassif a bénéficié d’une « résolution maximale » grâce à l’intelligence artificielle (IA).
L’image emblématique de 2019 de M87*, un trou noir de la taille du système solaire situé au centre de l’amas de galaxies de la Vierge, a été réalisée en regroupant la lumière radio qui nous est parvenue à travers 53 millions d’années-lumière d’espace.
Aujourd’hui, un nouvel effort a utilisé l’apprentissage automatique pour nettoyer l’image, la rendre plus nette afin d’obtenir la meilleure résolution possible et d’exposer une région centrale plus grande et plus sombre entourée de gaz lumineux que les astronomes ont décrite comme un « beignet maigre ».
Les chercheurs ont publié l’image mise à jour le 13 avril dans The Astrophysical Journal Letters.
« Grâce à notre nouvelle technique d’apprentissage automatique, PRIMO, nous avons pu atteindre la résolution maximale du réseau [de télescopes] actuel », a déclaré Lia Medeiros, astronome à l’Institute for Advanced Study de Princeton (New Jersey), dans un communiqué.
« Comme nous ne pouvons pas étudier les trous noirs de près, les détails d’une image jouent un rôle essentiel dans notre capacité à comprendre leur comportement.
La largeur de l’anneau dans l’image est maintenant plus petite d’un facteur deux, ce qui sera une contrainte puissante pour nos modèles théoriques et nos tests de gravité »
Le trou noir Messier 87, qui est aussi grand que notre système solaire et dont la masse est 6,5 milliards de fois supérieure à celle du Soleil, a été photographié par l’Event Horizon Telescope (EHT), un réseau de huit radiotélescopes synchronisés à l’échelle mondiale.
Les trous noirs ont une force gravitationnelle si puissante que rien (pas même la lumière) ne peut s’échapper de leurs mâchoires, mais cela ne veut pas dire qu’on ne peut pas les voir.
En effet, les trous noirs actifs sont entourés de disques d’accrétion – de vastes anneaux de matière provenant de nuages de gaz et d’étoiles en orbite autour de l’horizon des événements des trous noirs – qui sont portés à des températures élevées par la friction, produisant ainsi une lueur faible mais détectable.
C’est à partir de ces faibles aperçus radio que les astronomes ont pu reconstituer la singularité lointaine sous la forme d’un trou en forme de beignet entouré d’un halo de lumière.
Mais les lacunes dans les données, résultant des pièces manquantes du puzzle lumineux là où aucun radiotélescope n’était présent pour les recevoir, ont rendu l’image floue et mal définie.
Pour améliorer l’image, les chercheurs ont eu recours à une nouvelle technique d’intelligence artificielle appelée modélisation interférométrique en composantes principales (PRIMO), qui a analysé plus de 30 000 images haute fidélité simulées d’accrétions de gaz sur des trous noirs afin de trouver des modèles communs.
Ces motifs ont ensuite été classés en fonction de leur fréquence avant d’être mélangés et appliqués à l’image originale pour produire une estimation plus nette.
En vérifiant la nouvelle image avec les données EHT et la théorie sur l’aspect du trou noir, les chercheurs ont confirmé que leur image était une approximation très proche de la réalité.
Cela suppose évidemment que le trou noir aura l’apparence que nous attendons, mais les chercheurs ont déclaré que l’image de 2019 avait déjà confirmé les prédictions théoriques grâce à sa grande richesse de détails.
Cette nouvelle image permettra une étude encore plus approfondie des effets extrêmes produits par les trous cosmiques, où nos théories de la gravité et de la mécanique quantique s’effondrent et fusionnent, a ajouté l’équipe.
« L’image de 2019 n’était qu’un début », a déclaré M. Medeiros. « Si une image vaut mille mots, les données sous-jacentes à cette image ont beaucoup plus d’histoires à raconter.
PRIMO continuera d’être un outil essentiel pour extraire ces informations » Nouvelles inspirées par livescienc.
