Comparación entres EHT y EHT con reconstrucción de PRIMO. Créditos: L. Medeiros (Institute for Advanced Study), D. Psaltis (Georgia Tech), T. Lauer (NSF’s NOIRLab), and F. Ozel (Georgia Tech)

Un equipo de científicos, que incluyó a un astrónomo de NOIRLab de NSF, desarrolló una nueva técnica de aprendizaje automático (machine-learning) para mejorar la definición y la nitidez de imágenes de interferometría de radio. Para demostrar el poder de su nueva técnica, a la que llamaron PRIMO, el equipo creó una nueva versión, en alta definición, de la icónica imagen captada por el Telescopio Event Horizon del agujero negro supermasivo ubicado al centro de Messier 87, una galaxia elíptica gigante localizada a unos 55 millones de años luz de la Tierra.

La icónica imagen del agujero negro supermasivo ubicado en el centro de Messier 87 acaba de recibir su primer retoque gracias a una nueva técnica de aprendizaje automático, o machine-learning, conocida como PRIMO. Esta nueva imagen ilustra de mejor forma toda la extensión de la región oscura central del objeto y el sorprendentemente estrecho anillo exterior a su alrededor. Para lograr este resultado, un equipo de investigadores utilizó los datos originales obtenidos en 2017 por la colaboración del Telescopio Event Horizon (EHT por sus siglas en inglés) y crearon una nueva imagen que, por primera vez, representa la resolución completa de EHT.

En 2017 la colaboración EHT utilizó una red de siete radiotelescopios ubicados en distintos lugares del mundo para formar un telescopio virtual del tamaño de la Tierra con el poder y la resolución capaces de observar la “sombra” del horizonte de eventos de un agujero negro. Si bien esta técnica permitió a los astrónomos observar detalles notablemente finos, no contaba con el poder de recolección de un telescopio real del tamaño de la Tierra, lo que dejó algunos vacíos en los datos. La nueva técnica de aprendizaje automático ayuda a rellenar esos vacíos.

“Con nuestra nueva técnica de aprendizaje automático, PRIMO, fuimos capaces de conseguir la máxima resolución del montaje actual”, explicó el autor principal del artículo científico, Lia Medeiros. “Como no podemos estudiar los agujeros negros de cerca, el detalle en una imagen juega un papel crucial en nuestra habilidad de comprender su comportamiento. El ancho del anillo en la imagen ahora es más pequeño en un factor de dos, lo que será una poderosa limitación para nuestros modelos teóricos y pruebas de gravedad”.

PRIMO se basa en una rama del aprendizaje automático conocido como aprendizaje de diccionario (dictionary learning), que enseña a los computadores ciertas reglas luego de exponerlos a miles de ejemplos. El poder de este tipo de aprendizaje automático ha sido demostrado en numerosas formas, desde la creación de obras de arte de estilo renacentista, hasta la finalización de la obra sin concluir de Beethoven.

Para aplicar PRIMO a la imagen EHT de Messier 87, los computadores analizaron más de 30 mil imágenes simuladas de alta calidad de gas que se acumula en un agujero negro, con el objetivo de buscar patrones comunes en las imágenes. Entonces, los resultados se combinaron para proporcionar una representación bastante precisa de las observaciones de EHT, y al mismo tiempo, proveer una estimación de alta calidad de la estructura faltante de la imagen.

“PRIMO es una nueva aproximación a la difícil tarea de construir imágenes desde las observaciones de EHT”, indicó Lauer. “Proporciona una forma de compensar la información faltante del objeto que se observa, y que se necesita para generar la imagen que habría sido posible obtener utilizando un radiotelescopio gigante del tamaño de la Tierra”.

El equipo confirmó que la nueva imagen renderizada es consistente con los datos de EHT y con las expectativas teóricas, incluyendo el brillante anillo de emisión que se estima que se produce por el gas caliente que cae en el agujero negro.

La nueva imagen debería conducir a determinaciones más precisas de la masa del agujero negro de Messier 87 y los parámetros físicos que determinan su apariencia actual. Los datos también otorgan a los investigadores la oportunidad de establecer mayores restricciones a las alternativas del horizonte de eventos (basado en la depresión de brillo central más oscura) y realicen pruebas de gravedad más robustas (basadas en el tamaño más estrecho del anillo). PRIMO también puede ser aplicado en observaciones adicionales de EHT observations, incluyendo las de Sagittarius A*, el agujero negro localizado en el centro de nuestra propia Vía Láctea.

“La imagen de 2019 fue sólo el comienzo”, señaló Medeiros. “Si una fotografía vale mil palabras, los datos subyacentes a esa imagen tienen muchas historias más que contar.  PRIMO seguirá siendo una herramienta crucial para extraer esa información”, concluyó.