A tudósok AI segítségével élesebb és részletesebb képet készítettek a Messier 87 csillagkép középpontjában lévő ikonikus szupermasszív fekete lyukról, amelyet 2019-ben rögzítettek, és amely felrobbantotta az internetet.
A Messier 87 középpontjában lévő szupermasszív fekete lyuk eredeti képét, amely 2019-ben meghódította az internetet, most egy új, PRIMO nevű gépi tanulási technikával javították fel a kutatók. A kutatócsoport – köztük az NSF NOIRLab csillagászával – az Event Horizon Telescope (EHT) együttműködés eredeti, 2017-es adatait használta fel az EHT teljes felbontását reprezentáló új kép elkészítéséhez, amelynek eredményeként élesebb és részletesebb képet kaptunk a fekete lyukról. A PRIMO, ami a Principal Component Interferometric Modeling rövidítése, az EHT tagjai által kifejlesztett gépi tanulási technika. Ez a technika szótári tanulással tölti ki a világ különböző részein található hét rádióteleszkópból álló EHT-hálózat által gyűjtött adatok hiányosságait. Több mint 30 000, a fekete lyukba felszaporodó gázról készült, nagy pontosságú szimulált képet vizsgáltak meg a PRIMO segítségével, hogy olyan mintákat keressenek, amelyek kombinálásával rendkívül valósághű ábrázolást lehet készíteni az EHT-megfigyelésekről. Az előállított kép pontosabban megragadja a fekete lyuk sűrű központi régiójának teljes méretét, valamint a rendkívűl keskeny külső gyűrűt, amely a kutatócsoport szerint mintegy kétszer kisebb lett. Az új kép az EHT-adatokkal és az elméleti előrejelzésekkel is összeegyeztethető volt, beleértve a fekete lyukba hulló forró gáz által várt fényes emissziós gyűrűt is. A PRIMO további EHT-adatok elemzésére is használható, például a Sagittarius A, a galaxis központi fekete lyukának adatait. A képszerkesztés ezen új megközelítése hatékony eszköz a megfigyelt objektumról hiányzó információk kompenzálásában, amelyek szükségesek ahhoz, hogy olyan képet hozzanak létre, amelyet egyetlen, Föld méretű gigantikus rádióteleszkóppal láthattunk volna. A Messier 87 középpontjában lévő fekete lyuk feljavított képe jól mutatja a PRIMO képességét, amely potenciálisan a csillagászaton kívül más területeken is alkalmazható, bemutatva a gépi tanulásban rejlő lehetőségeket az univerzum megértésének előmozdításában.