به نقل از «عصر ایران»

اولین عکس تاریخ از یک سیاه‌چاله، به دست هوش مصنوعی اصلاح شد

تاریخ انتشار: ۲۴ فروردین ۱۴۰۲ | کد خبر: ۳۷۵۲۴۷۶۰

اولین تصویر از یک سیاه‌چاله که ابرسیاه‌چاله موجود در مرکز کهکشان «مسیه ۸۷» است، با یک الگوریتم جدید هوش مصنوعی اصلاح شد.   به گزارش ایسنا، تصویر ابرسیاه‌چاله واقع در قلب کهکشان مسیه ۸۷ توسط یک برنامه یادگیری ماشینی آموزش دیده بر روی مدل‌های سیاه‌چاله ارتقا یافت.   در واقع این سیاه‌چاله کلان‌جرم دوردست، پس از اعمال تغییرات و اصلاحات توسط یک ابررایانه، اکنون واضح‌تر به نظر می‌رسد.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

  این «دونات نارنجی تار» که در اولین تصویر از یک سیاه‌چاله که تاکنون گرفته شده است، مشاهده می‌شود، حالا با کمک فناوری یادگیری ماشینی و هوش مصنوعی به یک «حلقه طلایی نازک» تبدیل شده است.   بازتعریف این تصویر از ابرسیاه‌چاله واقع در قلب کهکشان مسیه ۸۷(M۸۷) می‌تواند به درک بهتر ویژگی‌های آن کمک کند و همچنین می‌تواند به سیاه‌چاله واقع در قلب کهکشان خودمان، یعنی کهکشان راه شیری نیز تعمیم یابد.   تصویر تاریخی ابرسیاه‌چاله M۸۷ معروف به *M۸۷ توسط تلسکوپ افق رویداد (EHT) گرفته و در سال ۲۰۱۹ برای عموم رونمایی شد. داده‌های ایجاد این تصویر توسط EHT طی چند روز در سال ۲۰۱۷ جمع آوری شد.   تلسکوپ افق رویداد شبکه‌ای از هفت تلسکوپ در سراسر جهان است که یک تلسکوپ به اندازه زمین ایجاد می‌کند، اما برخلاف قدرت رصد ترکیبی آن، هنوز هم شکاف‌هایی در داده‌هایی که جمع آوری می‌کند، مانند قطعات گمشده یک پازل وجود دارد.     در سمت چپ، تصویر معروف ابرسیاه‌چاله M۸۷ است که برای اولین بار در تاریخ در سال ۲۰۱۹ منتشر شد. در سمت راست تصویر جدیدی از این ابرسیاه‌چاله‌ است که توسط الگوریتم هوش مصنوعی PRIMO با استفاده از همان مجموعه داده‌ها ایجاد شده است.   گروهی از پژوهشگران تحت سرپرستی لیا مدیروس، عضو شورای همکاری EHT و دانشجوی فوق‌دکتری اخترفیزیک از یک روش یادگیری ماشینی جدید به نام مدل‌سازی تداخل‌سنجی با مولفه اصلی یا پریمو (PRIMO) برای پر کردن این شکاف‌ها در تصویر این سیاه‌چاله و تقویت آرایه EHT تا حداکثر توان خود استفاده کردند تا برای اولین بار به این وضوح برسند.   مدیروس در بیانیه‌ای گفت: از آنجایی که نمی‌توانیم سیاه‌چاله‌ها را از نزدیک مطالعه کنیم، جزئیات یک تصویر، نقش مهمی در توانایی ما برای درک رفتار آن بازی می‌کند. عرض حلقه دور سیاه‌چاله در این تصویر اکنون حدوداً دو برابر کمتر شده است که مولفه و محدودیتی قدرتمند برای مدل‌های نظری و آزمایش‌های گرانشی ما خواهد بود.   هنگامی که تصویر ابرسیاه‌چاله M۸۷* که ۵۵ میلیون سال نوری از زمین فاصله دارد و جرمی معادل شش و نیم میلیارد خورشید دارد، برای اولین بار آشکار شد، دانشمندان از اینکه چقدر با پیش‌بینی‌های نظریه نسبیت عام آلبرت اینیشتین در سال ۱۹۱۵ مطابقت دارد، شگفت زده شدند.   تصویر جدید تصحیح شده توسط PRIMO از *M۸۷ به دانشمندان فرصتی می‌دهد تا مشاهدات از یک سیاه‌چاله واقعی را با پیش بینی‌های نظری بهتر مطابقت دهند.   تاد لارر(Tod Lauer) عضو شورای همکاری EHT می‌گوید: PRIMO یک رویکرد جدید برای کار دشوار ساخت تصاویر از مشاهدات EHT است. این روشی برای جبران اطلاعات از دست رفته در مورد جرم مورد مشاهده فراهم می‌کند که برای تولید تصویری که با استفاده از یک تلسکوپ رادیویی غول پیکر به اندازه زمین دیده می‌شود، مورد نیاز است.   مؤسسه مطالعات پیشرفته پرینستون توضیح داد که PRIMO با استفاده از یادگیری فرهنگ لغت، در شاخه‌ای از یادگیری ماشینی کار می‌کند که رایانه‌ها را قادر می‌سازد تا قوانینی را بر اساس مجموعه‌های بزرگی از داده‌های آموزشی تولید کنند. به عنوان مثال، اگر به برنامه‌ای مانند این تعدادی تصویر از یک موز داده شود، می‌تواند یاد بگیرد که آیا تصویر یک شیء ناشناخته موز است یا خیر.   دانشمندان برای آموزش PRIMO به منظور انجام همین کار در مورد سیاه‌چاله‌ها در فرآیندی که «برافزایش» نامیده می‌شود، ۳۰ هزار تصویر شبیه‌سازی شده با کیفیت بالا از این ول‌های کیهانی را در حالی که از گازهای اطراف تغذیه می‌کنند، به آن دادند. این تصاویر گستره وسیعی از پیش‌بینی‌های نظری را در مورد چگونگی ایجاد ماده در سیاه‌چاله‌ها به PRIMO می‌دهند و به آن اجازه می‌دهند الگوها را شکار کند.   این الگوها پس از شناسایی بر اساس تعداد دفعاتی که در شبیه‌سازی‌ها لحاظ می‌شوند، دسته‌بندی می‌شوند. سپس می‌توانند در تصاویر EHT گنجانده شوند تا تصویری با وفاداری بالا نسبت به داده‌های به دست آمده از *M۸۷ ایجاد کند و ساختارهایی را که ممکن است این تلسکوپ از دست داده باشد، آشکار کند.   مدیروس توضیح داد: ما از فیزیک برای پر کردن شکاف موجود در داده‌های از دست رفته به روشی که قبلاً هرگز با استفاده از یادگیری ماشین انجام نشده بود، استفاده می‌کنیم. این روش می‌تواند پیامدهای مهمی برای تداخل‌سنجی داشته باشد که در زمینه‌هایی نظیر سیارات فراخورشیدی گرفته تا پزشکی نقش دارد.   تصویر حاصله ارائه شده توسط PRIMO با داده‌های EHT و مدل‌های نظری سیاه‌چاله‌ها مطابقت دارد. این مدل‌ها توضیح می‌دهند که حلقه درخشانی که در تصاویر *M۸۷ مشاهده می‌شود، نتیجه شتاب گاز با سرعت نزدیک به نور توسط تأثیر گرانشی باورنکردنی سیاه‌چاله است. این باعث می‌شود گاز گرم شود و در حالی که در اطراف سطح به دام انداختن نور که مرزهای بیرونی سیاه‌چاله به نام افق رویداد را تشکیل می‌دهد، می‌درخشد.   مدیروس تاکید کرد: تقریباً چهار سال پس از پرده برداری از اولین تصویر از یک سیاه‌چاله توسط EHT در سال ۲۰۱۹، ما نقطه عطف دیگری را رقم زدیم و تصویری را تولید کردیم که برای اولین بار از وضوح کامل استفاده می‌کند.   وی افزود: روش  های جدید یادگیری ماشینی که ما توسعه داده‌ایم، فرصتی طلایی برای کار جمعی برای درک فیزیک سیاه‌چاله‌ها فراهم می‌کند.   روش PRIMO اکنون می‌تواند برای تصویر ابرسیاه‌چاله واقع در قلب کهکشان راه شیری اعمال شود.   تلسکوپ EHT ، تصویری از سیاه‌چاله مرکز کهکشان راه شیری را که کوچکتر اما بسیار نزدیکتر از *M۸۷ به ما است، به نام کمان ای* (Sagittarius A*) یا Sgr A* را در ماه مه ۲۰۲۲ نشان داد.   تصویر *Sgr A با استفاده از داده‌های EHT نیز در سال ۲۰۱۷ جمع آوری شد، اما اندازه کوچکتر این سیاه‌چاله با جرم چهار میلیون خورشید که در فاصله ۲۶ هزار سال نوری از زمین واقع شده است، پالایش داده‌ها را دشوارتر کرده بود.   استفاده از PRIMO برای افزایش وضوح تصاویر EHT می‌تواند به اصلاح بهتر تخمین‌ها از ویژگی‌های هر دو ابرسیاه‌چاله از جمله جرم، اندازه و سرعت مصرف ماده آنها کمک کند.   مدیروس در پایان گفت: تصویر سال ۲۰۱۹ فقط آغاز کار بود. اگر یک تصویر ارزش هزار کلمه را داشته باشد، داده‌های زیربنای آن تصویر داستان‌های بیشتری برای گفتن دارند. PRIMO نیز ابزاری حیاتی در استخراج چنین بینش‌هایی خواهد بود.   پژوهش‌های این گروه امروز (۱۳ آوریل ۲۰۲۳) در مجله Astrophysical Journal Letters منتشر شده است.

منبع: عصر ایران

کلیدواژه: چاله هوش مصنوعی یادگیری ماشینی یک سیاه چاله برای اولین بار ابرسیاه چاله سیاه چاله ها تصویر از یک سیاه چاله هوش مصنوعی سال ۲۰۱۹ داده ها مدل ها

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.asriran.com دریافت کرده‌است، لذا منبع این خبر، وبسایت «عصر ایران» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۷۵۲۴۷۶۰ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

تسرسع ساماندهی بازار آهن شادآباد و پیگیری طرح شن‌چاله‌ها در کمیسیون ماده پنج

محمدجواد خسروی، شهردار منطقه ۱۸ درخصوص مصوبات، تصمیم‌گیری‌ها و نتایج حضور رئیس و برخی اعضای هیات دولت در منطقه ۱۸ پایتخت، اظهار کرد: شروع حضور رئیس‌جمهور در منطقه با بازدید از بیمارستان شهدای یافت آباد بود که ایشان درخصوص توسعه بیمارستان، دستورات لازم را صادر کرد.

وی با بیان اینکه با حضور وزیر کشور، استاندار و فرماندار تهران از مجموعه ۳۰۰ هکتاری شن چاله‌های منطقه ۱۸ بازدید شد، افزود: از آنجایی که ما یک سری توافقات با مالکین شن چاله‌ها داشتیم و روند آن در کمیسیون ماده ۵ در حال طی شدن است، طرحی که مدنظر شهرداری برای شن چاله هاست را برای وزیر کشور تشریح کردیم تا مقدمات تسریع آن فراهم شود.

خسروی ادامه داد: شن چاله‌ها هم مشکلات زیست محیطی دارند و هم مشکل ایمنی، یعنی مشکل ریزگرد‌ها را در زمان وزش باد دارند و از آنجایی که در مجاورت رودخانه کن واقع شده اند می‌توانند در زمان سیلاب خطر آفرین باشند. می‌توان با اجرای طرح مناسب این مشکلات را حل کرد و از فرصتی که برای شهر تهران ایجاد می‌کند، استفاده کرد.

شهردار منطقه ۱۸ اضافه کرد: توافقات خوبی در این دوسال در خصوص شن چاله‌ها انجام شده و مراحل کار کمیسیون ماده پنج آن در حال انجام است تا در این پروژه فرصت گردشگری برای شهر تهران ایجاد شود.

وی با اشاره به اینکه بازار آهن شادآباد دیگر نقطه‌ای بود که وزیر کشور به صورت میدانی از آن بازدید کرد، بیان کرد: جزو دستور کار‌ها این بود که بتوانیم نسبت به ساماندهی مناسب بازار آهن با کمک استانداری، فرمانداری و شهرداری تهران و مساعدت قوه قضائیه در کوتاه مدت اقدام کنیم و بعد از آن در فاز دوم فرآیند انتقال بازار را داشته باشیم.

خسروی عنوان کرد: همچنین بازدیدی از فاز دوم پروژه شهید بروجردی داشتیم که وزیر کشور در این بازدید نسبت به تسریع رفع معارضین تاسیساتی پروژه نکات لازم را تاکید کرد تا بتوانیم امسال این پروژه را به بهره‌برداری برسانیم.

شهردار منطقه ۱۸ با اشاره به بازدید وزیر کشور از پروژه باغ‌راه حضرت زهرا (س) گفت: این پروژه در دو منطقه ۱۷ و۱۸ واقع شده که قریب به ۹ کیلومتر است که حدود ۶ کیلومتر آن در منطقه ۱۸ قرار دارد. از وزیر کشور در خواست کردیم که صحبت‌هایی با مجموعه مرتبط در دولت و وزیر راه و شهرسازی داشته باشد تا با همراهی و کمک آنها این پروژه را زودتر به نتیجه برسانیم.

وی در پایان با بیان اینکه حدود ۴۰۰ هکتار از مساحت منطقه ۱۸ در بافت فرسوده است، خاطرنشان کرد: همچنین در جلسه‌ای با حضور رئیس جمهور، وزرا و شهردار تهران بحث بافت فرسوده دو منطقه ۱۷ و ۱۸ نیز مطرح و قرار شد بررسی‌هایی درخصوص ارائه بسته‌های تشویقی برای نوسازی بافت فرسوده انجام و روند نوسازی آن تسریع شود.

باشگاه خبرنگاران جوان اجتماعی شهری