خبر جديد " بدأنا نقترب من تصوير أفق الحدث"
نشرت أمس مقالة علمية بأقوى مجلة في الفيزياء الفلكية
The Astrophysical Journal Letters
عن إلتقاط صورة للثقب الأسود M87 بتقنية جديدة ليست كالتقنية المستخدمة سابقا.
سابقا يتم تجميع بيانات EHT الضخمة لأجزاء من صور حقيقية دقيقة لانتاج الصورة الكلية للثقب الأسود. هذه المرة تم إعتماد خوارزميات الذكاء الإصطناعي PRIMO لتوضيح الصورة أكثر
وكانت النتيجة هي الصورة الموجودة في الوسط
الصور الثلاثة هي صور حقيقية للثقب الأسود لكن طريقة تجميع البيانات الضخمة هي ما يتطلب إستخدام التعلم الالي Machine learning.
هذه البداية لكن ربما سنتمكن في السنوات القادمة ان شاء الله من تصوير أفق الحدث والتعرف أكثر على المفردة...
 |
| تم استخدام تقنية التعلم الآلي لتحسين صورة Event Horizon Telescope Collaboration (على اليسار) للثقب الأسود الهائل في وسط المجرة Messier 87 وإنتاج صورة أكثر وضوحًا. |
تتكون البيانات التي نستخدمها في هذا التحليل من ملاحظات EHT الخاصة بـ M87 التي تم التقاطها في 5 و 6 و 10 و 11 أبريل 2017. وشملت هذه الملاحظات سبع محطات في خمسة مواقع جغرافية: مجموعة Atacama Large Millimeter / submillimeter ، تلسكوب Atacama Pathfinder Experiment ، تلسكوب جيمس كليرك ماكسويل ، مصفوفة المقاييس الفرعية ، تلسكوب أريزونا الراديوي دون المليمتر ، IRAM 30 م ، تلسكوب المليمتر الكبير ألفونسو سيرانو. نختار ملاحظات 11 أبريل كمجموعة بيانات إيمانية لأنها تحتوي على عدد كبير من عمليات المسح بالإضافة إلى تغطية أساسية جيدة (لاحظ أن 5 و 6 و 10 و 11 أبريل تحتوي على 18 و 25 و 7 و 22 عملية مسح على التوالي) .
على الرغم من نشر مجموعة البيانات المستخدمة في التحليل لأول مرة في Event Horizon Telescope Collaboration et al. (2019a ، 2019b ، 2019c ، 2019d ، 2019e ، 2019f) ، أجرى تعاون EHT معايرة إضافية لبيانات 2017 قبل المنشورات حول الثقب الأسود لمركز المجرة (Sagittarius A * ، Sgr A * ، Event Horizon Telescope Collaboration et al. 2022 أ ، 2022 ب ، 2022 ج ، 2022 د ، 2022 هـ ، 2022 هـ). نستخدم هذا الإصدار الأحدث من بيانات 2017 ، متوسط المسح ومعايرة مسبقًا ، في جميع أنحاء المخطوطة. بسبب المعايرة المسبقة ، نستخدم مقدمات الكسب التي بلغت ذروتها عند الوحدة بعرض 10٪ فقط. نصلح تدفق خط الأساس الصفري ليكون 0.6 Jy من أجل الاتساق مع تحليلات EHT السابقة ، والتي جادلت بأن جزءًا بسيطًا فقط من تدفق خط الأساس الصفري المرصود يمكن أن يُعزى إلى المصدر المضغوط والباقي كان بسبب الانبعاث الممتد الذي ليس جزءًا للصورة المعاد بناؤها (انظر المناقشة في الملحق ب من Event Horizon Telescope Collaboration et al. 2019d).
يعمل PRIMO على تحسين نسبة اتساع مكونات PCA إلى سعة المكون الأول (إجمالي معلمات N-1 حيث N هو عدد مكونات PCA المستخدمة في إعادة الإعمار) ، وقياس الحجم الكلي لجميع المكونات ، و الدوران العام للمكونات على مستوى السماء (ϕ). يتم التعبير عن حجم الصورة من حيث نسبة الكتلة إلى المسافة عديمة الأبعاد θg ≡ GM / Dc2 ، حيث G هو ثابت الجاذبية لنيوتن ، و c هي سرعة الضوء ، و M هي كتلة الثقب الأسود ، و D هي المسافة إلى الثقب الأسود.
تحتوي جميع الصور الموجودة في مجموعة التدريب على نفس محور دوران الثقب الأسود ، والذي افترضنا أنه يتماشى مع التدفق واسع النطاق الذي يتم ملاحظته عند الترددات الراديوية الأطول ، ويشير نحونا عند 17 درجة بعيدًا عن خط الرؤية (انظر Walker وآخرون 2018). ومع ذلك ، فإننا نقوم بتضمين إمكانية توجيه محور الدوران بعيدًا عنا عند 17 درجة من خلال السماح بالانعكاس الكلي لمكونات PCA ، أي يتم تضمين كل من دوران تدفق التراكم في اتجاه عقارب الساعة وعكس اتجاه عقارب الساعة في نموذجنا. في Medeiros et al. (2023) ، أظهرنا أن هذا الأساس يمكنه إعادة بناء الصور المحاكية للثقوب السوداء بدقة بحجم دوران يختلف عن مجموعة التدريب ، مما يوضح تعدد استخدامات مجموعة التدريب بالإضافة إلى التأثير الصغير للدوران على شكل الصورة.
نقوم بتشويش مجموعتنا التدريبية من الصور المحاكاة قبل إجراء PCA حتى لا تغمر الهياكل صغيرة الحجم التي لا يتأثر بها EHT التحلل. بمعنى آخر ، يضمن التمويه تقليلًا فعالًا للأبعاد. نحن نستخدم مرشح Butterworth مع n = 2 ومقياس r = 15 Gλ ، بحيث يكون القمع الناتج في اتساع الرؤية عند أطوال خط الأساس الذي تلاحظه EHT أقل من 1٪ ، وبالتالي أصغر من الأخطاء المنهجية في القياسات ( انظر بتروورث 1930 ؛ بسالتيس وآخرون 2020 ؛ ميديروس وآخرون 2023 لمزيد من التفاصيل). هذا المقياس من المرشح يترك مجموعة التدريب مع بعض القوة في خطوط الأساس أطول من تلك الملاحظات.
يعتمد مستوى الدقة في الصور التي تم الحصول عليها باستخدام PRIMO جزئيًا على عدد مكونات PCA المستخدمة لإعادة بناء الصورة. نختار 20 بناءً على التحسين الذي تم إجراؤه في Medeiros et al. (2023) ، الذي استخدم عدة مجموعات بيانات تركيبية مختلفة وأظهر أن عمليات إعادة البناء المكونة من 20 مكونًا تؤدي إلى نتائج دقيقة (تحيزات أقل) وموثوقة (ميزات زائفة قليلة) ، حتى عندما تنشأ البيانات التركيبية من عمليات محاكاة ذات معلمات تختلف عن مجموعة التدريب.
تُظهر اللوحة المركزية للشكل 1 الصورة التي أعيد بناؤها بمزيج خطي من 20 مكونًا من مكونات PCA مع PRIMO من بيانات 11 أبريل 2017 EHT الخاصة بـ M87. تُظهر اللوحة اليسرى في نفس الشكل الصورة المنشورة في عام 2019. تتوافق ميزات الصورة البارزة ، أي وجود حلقة انبعاث ساطعة وانخفاض سطوع مركزي ، وحجم الحلقة ، وعدم تناسق السطوع بين الشمال والجنوب بين صورتين. تم تعتيم الصورة في اللوحة اليسرى بنواة Gaussian 20 ميكرومتر لتقليد الدقة المحدودة للصفيف. من أجل تمثيل تأثيرات دقة EHT الاسمية على صورة PRIMO ، نطبق مرشح n = 2 ، r = 8 Gλ Butterworth على الصورة الموثوقة ونعرض النتيجة في اللوحة اليمنى. على عكس نواة Gaussian ،