Het iconische beeld van het superzware zwarte gat in het centrum van sterrenstelsel M87 heeft een make-over gekregen. Kunstmatige intelligentie heeft uit de metingen een scherpere versie gereconstrueerd van de allereerste foto van een zwart gat.
Vier jaar geleden presenteerden sterrenkundigen de allereerste foto van een zwart gat, gemaakt door de Event Horizon Telescope (EHT). Preciezer ging het om een afbeelding van de ring hete materie rond van het superzware zwarte gat in het centrum van sterrenstelsel M87, op een afstand van 55 miljoen lichtjaar.
Nu heeft een groep Amerikaanse onderzoekers een nieuwe machine-learningtechniek (een vorm van kunstmatige intelligentie) ontwikkeld om deze foto beter en scherper te maken. Op het nieuwe beeld is de gloeiende fuzzy donut verandert in een smallere, vurige ring. Ook is de zwarte vlek in het midden groter en donkerder geworden.
‘Als we iets buitenaards ontmoeten, dan is het een machine’
Oude sterren en pril leven – dat zijn de onderwerpen waar het hart van sterrenkundige Leen Decin harder van gaat kloppen.
Zwarte gaten geven zelf geen licht. De onscherpe ring die je op de foto’s ziet, komt van gloeiend hete gaswolken die eromheen draaien. De ongelofelijk sterke zwaartekracht van het superzware zwarte gat buigt dat licht af. Dat resulteert in een ring van licht rondom een donkere ‘schaduw’ waarbinnen het zwarte gat huist.
Oude data nieuwe foto
Voor de nieuwe afbeelding gebruikte de onderzoekersgroep dezelfde EHT-metingen uit 2017 die gebruikt zijn voor de allereerste foto van het zwarte gat. Er zijn dus geen extra observaties gebruikt.
Hoe hebben de onderzoekers met dezelfde data een scherpere foto gereconstrueerd? ‘Voor een scherpe foto van het zwarte gat is een telescoop nodig te grootte van de aarde’, vertelt sterrenkundige Lia Medeiros, van het Institute for Advanced Study in de VS. ‘Zo’n grote telescoop kunnen we niet bouwen. Er is een team van telescopen gebruikt, verspreid over de aarde. Daarom hebben we niet alle informatie die nodig is voor een scherp beeld, en moeten we computeralgoritmen gebruiken om de “gaten” op te vullen.’
Voor het opvullen van die gaten hebben Medeiros en haar collega’s het kunstmatig intelligente computerprogramma PRIMO ontwikkeld. PRIMO maakt gebruik van zogeheten dictionary learning. Dat betekent in dit geval dat het programma leert van een grote trainingsset van ruim dertigduizend computersimulaties van gaswolken om zwarte gaten. Met hulp van die kennis vult het de gaten op. Dictionary learning is eerder gebruikt om de Tiende symfonie van Beethoven te voltooien.
Aannames
PRIMO moest wel een aantal aannames doen om tot één scherpe nieuwe foto te komen. ‘De belangrijkste aanname is dat het beeld in grote lijnen overeenkomt met een ring’, vertelt Medeiros. Die aanname is redelijk veilig, omdat de allereerste foto dat al duidelijk liet zien. ‘Verder geven we de voorkeur mee dat het beeld in grote lijnen zou overeenkomen met de gesimuleerde afbeeldingen in onze trainingsset.’
Om te voorkomen dat PRIMO daardoor onterecht de voorkeur geeft aan beelden die overeenkomen met de verwachtingen van sterrenkundigen, zijn er doelbewust ook minder waarschijnlijke simulaties meegenomen.
De nieuwe foto komt grotendeels overeen met de allereerste foto uit 2019. Er waren geen grote verrassingen, zegt Medeiros. ‘Het belangrijkste verschil is dat de ring half zo breed is, en dat de donkere vlek in het midden groter en donkerder is.’
Die nieuwe informatie kunnen sterrenkundigen gebruiken voor het testen van Einsteins relativiteitstheorie en andere theorieën die voorspellen hoe materie zich gedraagt terwijl het rond een zwart gat kolkt. Ook kunnen ze de massa van het zwarte gat – ongeveer 6,5 miljard keer die van onze zon – nauwkeuriger gaan bepalen. Daarna wil de onderzoeksgroep PRIMO gebruiken om het zwarte gat in het centrum van de Melkweg scherper in beeld te brengen.
