Εκατόν δεκαέξι εικόνες ενός και μόνο αντικειμένου, που λήφθηκαν σε διάστημα 27 ετών, συνδυάστηκαν με τη βοήθεια τεχνητής νοημοσύνης σε ένα εντυπωσιακό βίντεο, αποκαλύπτοντας με πρωτοφανή λεπτομέρεια τη δραστηριότητα ενός ισχυρού πίδακα που εκτοξεύεται από μια μαύρη τρύπα.
Οι αστρονόμοι παρουσίασαν ένα βίντεο που χρειάστηκε 27 χρόνια παρατηρήσεων για να δημιουργηθεί: πρόκειται για την υψηλότερης ανάλυσης απεικόνιση που έχει γίνει μέχρι σήμερα ενός γιγάντιου πίδακα μαύρης τρύπας, ο οποίος εκτοξεύεται από έναν μακρινό γαλαξία και διαγράφει μια σύνθετη, ελικοειδή πορεία στο διάστημα.
Το βίντεο δημιουργήθηκε από 116 εικόνες που λήφθηκαν μεταξύ 1995 και 2022 και απεικονίζουν το 3C 345, ένα blazar στον αστερισμό του Ηρακλή. Τα blazar αποτελούν μια ιδιαίτερη κατηγορία κβάζαρ: εξαιρετικά φωτεινά ενεργά γαλαξιακά κέντρα, στα οποία μια υπερμεγέθης μαύρη τρύπα στο κέντρο ενός μακρινού γαλαξία καταβροχθίζει ύλη. Κατά τη διαδικασία αυτή, εκτοξεύονται στο διάστημα πανίσχυροι πίδακες πλάσματος.
Οι πίδακες αυτοί κινούνται με ταχύτητες που πλησιάζουν την ταχύτητα του φωτός και εκπέμπουν έντονη ακτινοβολία, μεταξύ άλλων στις περιοχές των ακτίνων Χ και των ακτίνων γάμμα.
Όπως περιγράφεται σε μελέτη που δημοσιεύθηκε στις 26 Αυγούστου στο περιοδικό Nature, οι ερευνητές συγκέντρωσαν τις εικόνες του 3C 345 αξιοποιώντας παρατηρήσεις αρκετών δεκαετιών από το Very Long Baseline Array (VLBA), ένα δίκτυο δέκα ραδιοτηλεσκοπίων που εκτείνεται στις Ηνωμένες Πολιτείες. Το VLBA διαθέτει δύο προγράμματα παρατήρησης, τα BEAM-ME και MOJAVE, τα οποία έχουν καταγράψει συστηματικά εκατοντάδες blazar.
Ένα «ζωντανό» βίντεο του πίδακα
Για να μετατρέψουν τις περίπου εκατό εικόνες σε μια συνεχή κινηματογραφική ακολουθία, οι ερευνητές χρησιμοποίησαν ένα μοντέλο τεχνητής νοημοσύνης, ένα νευρωνικό δίκτυο που ονομάζεται Kine. Με τη μέθοδο αυτή κατάφεραν να επιτύχουν ανάλυση περίπου τέσσερις φορές υψηλότερη από εκείνη κάθε μεμονωμένης εικόνας.
Το αποτέλεσμα επέτρεψε στους επιστήμονες να χαρτογραφήσουν την κίνηση του πίδακα με πρωτοφανή ακρίβεια.
«Η υψηλότερη ποιότητα της ανακατασκευής του βίντεο επέτρεψε μια λεπτομερή μέτρηση της ταχύτητας του πλάσματος στον πίδακα», δήλωσε στο Live Science η πρώτη συγγραφέας της μελέτης, Marianna Foschi, μεταδιδακτορική ερευνήτρια στο Caltech.
Εξέλιξη του 3C 345 σε διάστημα 27 ετών, από ανακατασκευή βίντεο με το Kine. Το κύριο πλαίσιο παρουσιάζει την ανακατασκευή της συνολικής έντασης του πίδακα του 3C 345, η οποία πραγματοποιήθηκε με το Kine από 116 παρατηρήσεις του VLBA. Το δεύτερο πλαίσιο παρουσιάζει την πολωσιμετρική ανακατασκευή στο εσωτερικό τμήμα του πίδακα. Το τρίτο πλαίσιο παρουσιάζει το πεδίο της προβεβλημένης ταχύτητας στο εσωτερικό τμήμα του πίδακα.
Μια μεγάλη και απρόσμενη έκπληξη
Η ανάλυση έκρυβε μια σημαντική έκπληξη. Οι ερευνητές διαπίστωσαν ότι τα φωτεινότερα τμήματα του πίδακα φαίνεται να κινούνται με 10 έως 13 φορές την ταχύτητα του φωτός, ενώ το αέριο που τα περιβάλλει εμφανίζεται να κινείται με περίπου 9 έως 12 φορές την ταχύτητα του φωτός.
Οι αριθμοί αυτοί δεν σημαίνουν ότι η ύλη ή κάποια πληροφορία ταξιδεύει πραγματικά ταχύτερα από το φως. Πρόκειται για την αποκαλούμενη υπερφωτεινή φαινόμενη κίνηση, ένα παρατηρησιακό φαινόμενο που εμφανίζεται σε σχετικιστικούς πίδακες όταν αυτοί κινούνται με ταχύτητες πολύ κοντά στην ταχύτητα του φωτός και υπό συγκεκριμένη γωνία ως προς τη γραμμή θέασης.
Το εύρημα, ωστόσο, είναι ιδιαίτερα ενδιαφέρον για τον τρόπο με τον οποίο οι επιστήμονες αντιλαμβάνονται τη δομή των πιδάκων.
«Αυτό είναι απρόσμενο, επειδή η γενική άποψη είναι ότι αυτά τα φωτεινά τμήματα αποτελούν κρουστικά κύματα που διαδίδονται μέσα στο πλάσμα και, επομένως, θα έπρεπε να έχουν μεγαλύτερη ταχύτητα από το περιβάλλον ρευστό», εξήγησε η Foschi.
«Η εργασία μας δεν ακυρώνει γενικά το μοντέλο των κρουστικών κυμάτων, αλλά το θέτει υπό αμφισβήτηση, τουλάχιστον στην περίπτωση της συγκεκριμένης πηγής.»
Τι προσφέρει η τεχνητή νοημοσύνη
Το VLBA χρησιμοποιεί ραδιοτηλεσκόπια που βρίσκονται σε διαφορετικές περιοχές των ηπειρωτικών Ηνωμένων Πολιτειών. Ο συνδυασμός των παρατηρήσεών τους επιτρέπει στους αστρονόμους να μελετούν τον ουρανό με εξαιρετικά υψηλή γωνιακή διακριτική ικανότητα. Ωστόσο, η περιορισμένη κάλυψη των παρατηρήσεων σημαίνει ότι οι εικόνες δεν περιέχουν πάντοτε όλες τις λεπτομέρειες που θα ήταν επιθυμητές.
Εδώ έρχεται να παίξει ρόλο το Kine.
Στόχος του μοντέλου είναι να δημιουργεί βίντεο από παρατηρήσεις που πραγματοποιήθηκαν σε διαφορετικές χρονικές στιγμές, εστιάζοντας σε αστρονομικές πηγές των οποίων η φωτεινότητα και η δομή μεταβάλλονται με τον χρόνο.
Το Kine είναι ένα νευρωνικό δίκτυο, δηλαδή ένα μοντέλο μηχανικής μάθησης που αποτελείται από διαδοχικά επίπεδα υπολογιστικών «νευρώνων». Εκπαιδεύεται σε δεδομένα ώστε να αναγνωρίζει και να αξιοποιεί τις σχέσεις που υπάρχουν τόσο στον χώρο όσο και στον χρόνο. Με αυτόν τον τρόπο μπορεί να επεξεργάζεται παρατηρήσεις που πραγματοποιήθηκαν σε διαφορετικές χρονικές στιγμές και να αξιοποιεί τις χωροχρονικές συσχετίσεις που υπάρχουν στα δεδομένα.
Η ομάδα των ερευνητών σχεδιάζει ήδη να εφαρμόσει τη μέθοδο Kine και σε άλλες αστρονομικές παρατηρήσεις.
«Πιστεύουμε ότι αυτή η μέθοδος θα αλλάξει δραστικά τον τρόπο με τον οποίο μελετάμε τη δυναμική των πιδάκων μέσω των παρατηρήσεων», δήλωσε η Foschi. «Στην πραγματικότητα, η μέθοδός μας επιτρέπει την ακριβή μέτρηση της προβεβλημένης ταχύτητας σε οποιοδήποτε σημείο του πίδακα.»
Η δημοσίευση στο Nature