Une refonte des algorithmes améliore considérablement la toute première image d’un trou noir
En 2019, la première image directe d’un trou noir, ressemblant à un donut orange et flou, fut dévoilée. Aujourd’hui, l’équipe a affiné l’image emblématique à l’aide d’algorithmes d’apprentissage automatique afin de produire la meilleure résolution possible avec les données d’origine.
Image d’entête : l’image actualisée du trou noir supermassif au centre de la galaxie M87, qui est maintenant à sa résolution maximale. (Medeiros et col./ Astrophysical Journal Letters/ Institute for Advanced Study)
Les astrophysiciens soupçonnent l’existence des trous noirs depuis des décennies, et bien qu’il existe des tonnes de preuves indirectes de leur existence, les images directes sont restées insaisissables. Après tout, comment prendre une photo de quelque chose dont la lumière elle-même ne peut s’en échapper ?
La réponse est le contraste : l’intense influence gravitationnelle des trous noirs réchauffe la matière qui les entoure, créant un disque lumineux qui met en évidence l’objet infiniment sombre au centre. Grâce à cette méthode, la collaboration Event Horizon Telescope (EHT) a finalement produit la première image directe d’un trou noir en 2019, en capturant le monstre supermassif au centre de la galaxie M87.
L’image montre un anneau orange distinct entourant un cœur noir, confirmant les hypothèses sur l’aspect des trous noirs. Bien que révolutionnaire, l’image était assez floue. L’équipe de l’EHT l’a donc rendue plus nette.
Comparaison de l’image originale du trou noir supermassif de M87 prise par EHT en 2019 (à gauche) et de la nouvelle version plus nette améliorée par PRIMO (à droite). (Medeiros et col./ Astrophysical Journal Letters/ Institute for Advanced Study)
La clé de cette nouvelle image améliorée est un algorithme d’apprentissage automatique appelé Principle-component Interferometric Modeling (PRIMO). L’image originale a été obtenue en regroupant les données des radiotélescopes du monde entier pour créer un télescope virtuel de la taille de la Terre, mais ce procédé laisse inévitablement des trous dans l’image, car les télescopes ne peuvent pas couvrir la surface de la planète.
PRIMO est conçu pour combler ces trous. Ce système d’apprentissage automatique a été entraîné sur plus de 30 000 images simulées de trous noirs avec disques d’accrétion, comprenant un large éventail de modèles différents. Les motifs récurrents ont été triés en fonction de leur fréquence, puis mélangés pour former des images de ce à quoi les trous noirs devraient ressembler. Les observations originales de l’EHT ont été comparées à ces images, afin d’estimer à quoi ressembleraient les structures manquantes dans l’image.
Aperçu des simulations générées pour l’ensemble de formation de l’algorithme PRIMO. (Medeiros et col./ Astrophysical Journal Letters/ Institute for Advanced Study)
Le résultat final est une image beaucoup plus nette du trou noir central de M87. En éliminant le bruit, on peut voir un trou noir plus grand et plus sombre, ainsi qu’un anneau incandescent qui n’est que d’environ la moitié de la largeur observée précédemment. Selon l’équipe, cette image atteint la résolution maximale que l’on pourrait obtenir si l’on réussissait l’impossible exploit de construire un radiotélescope de la taille de la Terre.
La nouvelle image pourrait aider les scientifiques à améliorer les modèles de physique et de gravité des trous noirs, et la technique pourrait être appliquée à d’autres images, comme celle du trou noir supermassif de la Voie lactée prise par la collaboration EHT l’année dernière.
L’étude publiée dans The Astrophysical Journal Letters : The Image of the M87 Black Hole Reconstructed with PRIMO et présentée sur le site de l’Institute for Advanced Study : Sharper Look at M87 Black Hole.