Das Bild des supermassiven schwarzen Lochs im Herzen der Galaxie Messier 87 wurde durch ein maschinelles Lernprogramm, das auf Modelle schwarzer Löcher trainiert wurde, auf ein hohes Maß an Detailtreue gebracht.
Ein weit entferntes supermassereiches schwarzes Loch sieht nach der Überarbeitung durch einen Supercomputer jetzt noch besser aus.
Der „unscharfe orangefarbene Donut“, der auf dem ersten Bild eines Schwarzen Lochs zu sehen war, das jemals aufgenommen wurde, hat sich mit Hilfe des maschinellen Lernens zu einem dünneren „dünnen goldenen Ring“ verkleinert.
Die Neudefinition dieses Bildes des supermassereichen Schwarzen Lochs im Herzen der Galaxie Messier 87 (M87) könnte dazu beitragen, seine Eigenschaften besser zu verstehen, und könnte auf das Schwarze Loch im Herzen unserer eigenen Galaxie, der Milchstraße, übertragen werden.
Das historische Bild des supermassereichen Schwarzen Lochs M87, bekannt als M87*, wurde vom Event Horizon Telescope (EHT) aufgenommen und 2019 der Öffentlichkeit zugänglich gemacht. Die Daten zur Erstellung des Bildes wurden vom EHT über mehrere Tage im Jahr 2017 gesammelt.
Das EHT ist ein Netzwerk aus sieben Teleskopen auf der ganzen Welt, das ein Teleskop von der Größe der Erde bildet. Doch trotz seiner kombinierten Beobachtungsleistung gibt es immer noch Lücken in den gesammelten Daten, ähnlich wie die fehlenden Teile eines Puzzles.
Ein Forscherteam, zu dem auch Lia Medeiros, Mitglied der EHT-Kollaboration und Postdoktorandin im Bereich Astrophysik, gehörte, setzte eine neue maschinelle Lerntechnik namens PRIMO (Principal Component Interferometric Modeling) ein, um die Lücken im Bild von M87 zu schließen und das EHT-Array erstmals auf seine maximale Auflösung zu bringen.
„Da wir Schwarze Löcher nicht aus der Nähe studieren können, spielt die Detailgenauigkeit eines Bildes eine entscheidende Rolle für unser Verständnis ihres Verhaltens“, sagte der Hauptautor der Studie, Medeiros, in einer Erklärung. „Die Breite des Rings auf dem Bild ist nun um etwa einen Faktor zwei kleiner, was eine starke Einschränkung für unsere theoretischen Modelle und Tests der Schwerkraft sein wird.
Als das Bild des supermassereichen Schwarzen Lochs M87*, das 55 Millionen Lichtjahre von der Erde entfernt ist und eine Masse von sechseinhalb Milliarden Sonnen hat, zum ersten Mal veröffentlicht wurde, waren die Wissenschaftler erstaunt, wie gut es mit den Vorhersagen der allgemeinen Relativitätstheorie von Albert Einstein aus dem Jahr 1915 übereinstimmte.
Dieses mit PRIMO verfeinerte Bild von M87* gibt den Wissenschaftlern die Möglichkeit, die Beobachtungen eines tatsächlichen Schwarzen Lochs besser mit den theoretischen Vorhersagen abzugleichen.
„PRIMO ist ein neuer Ansatz für die schwierige Aufgabe, Bilder aus EHT-Beobachtungen zu konstruieren“, sagte EHT-Mitglied und NOIRLab-Forscher Tod Lauer in der Erklärung. „Es bietet eine Möglichkeit, die fehlenden Informationen über das beobachtete Objekt zu kompensieren, die erforderlich sind, um das Bild zu erzeugen, das man mit einem einzigen gigantischen Radioteleskop von der Größe der Erde gesehen hätte.“
PRIMO trainiert, um ein besseres schwarzes Loch zu bauen
Das Institute for Advanced Study in Princeton, New Jersey, erklärte, dass PRIMO mit Hilfe des Wörterbuchlernens arbeitet, einem Zweig des maschinellen Lernens, der es Computern ermöglicht, Regeln auf der Grundlage großer Mengen von Trainingsmaterial zu erstellen. Wenn ein solches Programm beispielsweise mit einer Reihe von Bildern einer Banane gefüttert wird, kann es lernen zu bestimmen, ob ein Bild eines unbekannten Objekts eine Banane ist oder nicht.
Um PRIMO zu trainieren, dasselbe mit schwarzen Löchern zu tun, fütterte das Team es mit 30.000 originalgetreuen simulierten Bildern dieser kosmischen Titanen, die sich von umliegendem Gas ernähren, ein Prozess, der „Akkretion“ genannt wird. Die Bilder deckten ein breites Spektrum an theoretischen Vorhersagen darüber ab, wie Schwarze Löcher Materie akkretieren, so dass PRIMO nach Mustern suchen konnte.
Sobald diese Muster identifiziert waren, wurden sie danach sortiert, wie oft sie in den Simulationen auftraten. Dies konnte dann in die EHT-Bilder eingearbeitet werden, um ein originalgetreues Bild von M87* zu erstellen und Strukturen aufzudecken, die dem Teleskop-Array möglicherweise entgangen waren.
„Wir nutzen die Physik, um Bereiche mit fehlenden Daten auf eine Art und Weise aufzufüllen, wie es noch nie zuvor mit maschinellem Lernen geschehen ist“, erklärte Medeiros. „Dies könnte wichtige Auswirkungen auf die Interferometrie haben, die in Bereichen von Exoplaneten bis hin zur Medizin eine Rolle spielt.“
Das von PRIMO gerenderte Bild stimmt mit den EHT-Daten und theoretischen Modellen für schwarze Löcher überein. Diese Modelle erklären, dass der helle Ring, der in diesen Bildern von M87* zu sehen ist, das Ergebnis von Gas ist, das durch den unglaublichen Gravitationseinfluss des Schwarzen Lochs auf nahezu Lichtgeschwindigkeit beschleunigt wird. Dadurch heizt sich das Gas auf und leuchtet, während es um die Licht einfangende Oberfläche, den sogenannten Ereignishorizont des Schwarzen Lochs, herumfliegt.
„Rund vier Jahre nach dem ersten Bild eines Schwarzen Lochs in Horizontgröße, das 2019 von EHT enthüllt wurde, haben wir einen weiteren Meilenstein erreicht und zum ersten Mal ein Bild produziert, das die volle Auflösung des Arrays nutzt“, so Psaltis. „Die neuen maschinellen Lerntechniken, die wir entwickelt haben, bieten eine einmalige Gelegenheit für unsere gemeinsame Arbeit zum Verständnis der Physik Schwarzer Löcher.“
Die PRIMO-Technik konnte nun auf das Bild des supermassiven Schwarzen Lochs im Herzen unserer Galaxie, der Milchstraße, angewendet werden. Das EHT enthüllte im Mai 2022 ein Bild dieses kleineren, aber viel näheren supermassereichen Schwarzen Lochs namens Sagittarius A* (Sgr A). Das Bild von Sgr A wurde mit Daten des EHT erstellt, die ebenfalls im Jahr 2017 gesammelt wurden, aber die geringere Größe dieses schwarzen Lochs mit einer Masse von vier Millionen Sonnenmassen, das sich 26.000 Lichtjahre von der Erde entfernt befindet, im Vergleich zu M87*, erschwerte die Verfeinerung der Daten.
Die Verwendung von PRIMO zur Erhöhung der Auflösung von EHT-Bildern könnte dazu beitragen, die Abschätzungen der Eigenschaften beider supermassereicher Schwarzer Löcher zu verfeinern, einschließlich ihrer Masse, Größe und der Geschwindigkeit, mit der sie Materie verbrauchen.
„Das Bild von 2019 war erst der Anfang“, so Medeiros. „Wenn ein Bild mehr als tausend Worte sagt, dann können die Daten, die diesem Bild zugrunde liegen, noch viel mehr Geschichten erzählen. PRIMO wird auch in Zukunft ein wichtiges Instrument sein, um solche Erkenntnisse zu gewinnen.“
