La fotografia del buco nero al centro della galassia M87 dopo il restyling a opera dell'intelligenza artificiale - EHT

L'immagine iconica del buco nero supermassiccio al centro della Galassia M87, a volte indicato come la "sfocata ciambella arancione", che a suo tempo fece il giro del mondo, in quanto prima immagine di un buco nero, ha ottenuto il suo primo restyling ufficiale con l'aiuto dell'intelligenza artificiale.

La nuova immagine espone una regione centrale più ampia e più scura, circondata dal gas luminoso in accrescimento, dando sempre una forma a ciambella, seppur più ristretta rispetto alla precedente. Nel 2017, la collaborazione EHT (Event Horizon Telescope), una rete di radiotelescopi che possono lavorare sincronizzandosi gli uni con gli altri come a formare un unico grande strumento, utilizzò sette radiotelescopi per raccogliere dati su M87. Tuttavia, pur ottenendo un risultato di altissimo valore, l’immagine presentava delle lacune nei dati, come pezzi mancanti di un puzzle.

«Con la nostra nuova tecnica di apprendimento automatico, chiamata “PRIMO”, siamo stati in grado di ottenere la massima risoluzione con l’attuale rete di radiotelescopi», afferma l'autrice principale del lavoro, Lia Medeiros dell'Institute for Advanced Study. «Poiché non possiamo studiare i buchi neri da vicino, il dettaglio di quell'immagine gioca un ruolo fondamentale nella nostra capacità di comprenderne il loro comportamento. La larghezza dell'anello nell'immagine è ora più piccola di circa un fattore due, il che sarà un potente vincolo per i nostri modelli teorici dei buchi neri».

La fotografia del buco nero al centro della galassia M87 prime e dopo il restyling a opera dell'intelligenza artificiale - EHT

PRIMO, che sta per “PRincipal-component Interferometric MOdeling”, è stato sviluppato dai membri dell'EHT i quali hanno pubblicato i risultato su The Astrophysical Journal Letters. «Con PRIMO – spiega Medeiros - siamo riusciti a compensare le informazioni mancanti sull'oggetto osservato, necessarie per generare l'immagine che sarebbe stata vista utilizzando un singolo gigantesco radiotelescopio delle dimensioni della Terra».

PRIMO si basa sull'apprendimento automatico che consente ai computer di generare regole basate su grandi set di materiale didattico. Ad esempio, se un computer riceve una serie di diverse immagini di banane, con un addestramento sufficiente, potrebbe essere in grado di determinare se un'immagine sconosciuta è o meno una banana. Al di là di questo semplice caso, la versatilità dell'apprendimento automatico è stata dimostrata in numerosi modi. Nel caso specifico del buco nero di M87 gli scienziati hanno fatto analizzare ai computer oltre 30.000 immagini simulate ad alta fedeltà di buchi neri con i gas che li circondano. Quindi sono stati dati gli elementi noti del buco nero di M87 e i computer, memori di quanto appreso, sono riusciti a definire l’immagine in alta risoluzione.

A lavoro concluso gli astrofisici hanno confermato che l'immagine realizzata è coerente con i dati EHT e con le aspettative teoriche, incluso l'anello luminoso di emissione che dovrebbe essere prodotto dal gas caldo che cade nel buco nero. «Circa quattro anni dopo che la prima immagine in scala dell'”orizzonte degli eventi” di un buco nero (L’”orizzonte degli eventi” è la sfera oltre la quale tutto ciò che vi entra non può più uscire, ndr) venne svelata da EHT nel 2019, abbiamo segnato un'altra pietra miliare producendo un'immagine ad altissima risoluzione con i radiotelescopi a disposizione», ha affermato Dimitrios Psaltis della Georgia Tech. «Le nuove tecniche di apprendimento automatico che abbiamo sviluppato forniscono un'opportunità d'oro per il nostro lavoro collettivo per comprendere la fisica dei buchi neri».