En 2019, los astrónomos del Event Horizon Telescope publicaron la primera imagen de un agujero negro en forma de dona anaranjada con bordes difusos. Solo recientemente, un nuevo algoritmo de aprendizaje automático completó los detalles faltantes
Un equipo internacional de astrofísicos ha utilizado la tecnología de aprendizaje automático para mejorar la definición de la primera imagen del agujero negro supermasivo en el centro de la galaxia M87, informa ScienceAlert.
La nueva imagen, que muestra con más detalles una región central más grande y más oscura rodeada por un acrecentamiento brillante de gas en forma de “dona delgada”, fue publicada en un estudio en The Astrophysical Journal Letters.
La icónica foto original, publicada en 2019, fue tomada con el Event Horizon Telescope (EHT), o telescopio del Horizonte de Sucesos, un conjunto de telescopios vinculados que combinaron datos procedentes de diversas partes de la Tierra.
Scientists unveil new and improved ‘skinny donut’ black hole image https://t.co/kM4NSwcXZH pic.twitter.com/YGphzUrOBy
— Reuters (@Reuters) April 13, 2023
El agujero negro, o “dona naranja”, como los astrónomos a veces lo llaman en broma, está ubicado en el mismo centro de la galaxia M87 (o Messier 87), que es comparable en tamaño al sistema solar. Ese enorme campo gravitatorio que absorbe todas las partículas, incluso las de luz, se encuentra a unos 54 millones de años luz de la Tierra.
En la nueva imagen, el anillo de luz, que refleja el material que es absorbido por el voraz objeto, tiene aproximadamente la mitad del ancho de cómo se veía en la foto de 2019. También se ve una “depresión de brillo” más grande en el centro, donde se encuentra el agujero de la ‘dona’, que es causada por la luz y otras partículas que desaparecen por el agujero negro.
Leer más: Científicos crean un ‘agujero negro sintético’ que emite la misma radiación térmica que los reales
“Con nuestra nueva técnica de aprendizaje automático, PRIMO, pudimos lograr la resolución máxima de la matriz actual. Debido a que no podemos estudiar los agujeros negros de cerca, los detalles de la imagen juegan un papel fundamental en nuestra capacidad para comprender su comportamiento”, manifestó la astrofísica Lia Medeiros, del Instituto de Estudios Avanzados de Princeton en un comunicado publicado por NOIRLab, el Laboratorio Nacional de Investigación para la Astronomía Óptica-Infrarroja de EE.UU.
PRIMO se basa en el llamado aprendizaje automático, en el que se entrena a un algoritmo mostrándole miles de ejemplos de un mismo objeto para que aprenda las reglas de cómo funciona. Los investigadores entrenaron a PRIMO con más de 30.000 imágenes simuladas de agujeros negros activos para que pudiera discernir cómo funciona el proceso y, basándose en los patrones revelados, ‘pintara’ los detalles faltantes de la imagen.
Leer más: Captan una «explosión cósmica excepcional» causada por el nacimiento de un agujero negro