تصویر سیاهچاله M87 تأیید شد: مطالعه تازه چه می‌گوید

آیا تصویر سیاهچاله M87 تأیید شد؟

بله. مطالعه‌ای که در ۱۱ نوامبر ۲۰۲۶ در Nature منتشر شد، سایه حلقه‌ای را که نخستین‌بار در تصویر ۲۰۱۹ تلسکوپ افق رویداد از سیاهچاله کهکشان M87 نشان داده شده بود، مستقل بازتولید کرد ^[1][2]. نویسندگان، از CSIRO، آژانس ملی علوم استرالیا، می‌نویسند روششان ساختاری حلقه‌مانند را «بدون ابهام» بازتولید می‌کند ^[1].

این گروه، شامل ساموئل لای (Samuel Lai)، نیتیاناندان تیاگاراجان (Nithyanandan Thyagarajan)، آیوی وانگ (Ivy Wong) و فویووس دیاکوگیانیس (Foivos Diakogiannis)، روش تصویربرداری جدیدی را روی اندازه‌گیری‌های عمومی EHT به کار بست ^[1][3]. لای گفت: «وقتی آن را روی مجموعه داده اصلی تلسکوپ افق رویداد اجرا کردیم، سیاهچاله‌ای یافتیم که از نظر اندازه و شکل تقریباً با تصویر تاریخی EHT یکسان بود»، و افزود: «نکته مهم اینکه مدل ما نمی‌دانست سیاهچاله چه شکلی دارد» ^[2].

لای آن را «نخستین اعتبارسنجی واقعاً مستقل تصویر EHT» می‌نامد ^[2]. CSIRO می‌گوید این یافته‌ها اطمینان به اینکه حلقه یک ویژگی واقعی اخترفیزیکی است و نه ناهنجاری ناشی از بازسازی تصویر را تقویت می‌کند ^[2][3].

تفاوت مقیاس چشمگیر است. تصویر ۲۰۱۹ حاصل کار صدها دانشمند بود؛ ESO در آن زمان اعلام کرد که بیش از ۲۰۰ پژوهشگر در همکاری EHT مشارکت داشتند ^[2][6]. این بررسی را گروهی چهارنفره انجام داد. به گزارش The Register، لای پژوهشگر پسادکتری CSIRO در استرالیای غربی است ^[5] و مقاله به‌صورت دسترسی آزاد منتشر شده است، بنابراین هر کسی می‌تواند آن را بخواند ^[1].

چرا دانشمندان به تصویر سیاهچاله M87 شک داشتند؟

زیرا تبدیل داده‌های EHT به تصویر به پردازش سنگین نیاز دارد و انتخاب‌های پردازشی گوناگون نتایج متفاوتی می‌دهد ^[1][4]. مقاله Nature یادآور می‌شود که رویکردهای مختلف تحلیل و تصویربرداری دیدگاه‌های متفاوتی از جزئیات ریز M87* ارائه کرده‌اند و برخی تحلیل‌های خارجی حتی شکل بنیادی حلقه‌مانند آن را به چالش کشیده‌اند ^[1].

ریشه مسئله پراکندگی داده‌هاست. EHT بشقاب‌های رادیویی سراسر جهان را به هم پیوند می‌دهد تا تلسکوپی به بزرگی زمین را شبیه‌سازی کند؛ فناوری‌ای که تداخل‌سنجی با خط پایه بسیار بلند نام دارد ^[2][6]. اما با شمار اندکی ایستگاه، اندازه‌گیری‌ها شکاف‌های بزرگی بر جای می‌گذارند؛ بنابراین بازسازی تصویر «مسئله‌ای با قیدهای ناکافی» است و به کالیبراسیون، الگوریتم‌ها و تنظیمات حساس است، چنان‌که نویسندگان می‌نویسند ^[1].

New Scientist گزارش می‌کند بیشتر بازتحلیل‌ها حلقه‌هایی مشابه به دست دادند، اما یکی از آن‌ها که در سال ۲۰۲۲ منتشر شد اصلاً حلقه‌ای نیافت ^[4]. لای درباره دشواری کار گفت: «مثل این است که در حیاط خانه‌تان بایستید و بخواهید از یک دونات روی ماه عکس بگیرید» ^[2].

مطالعه جدید چگونه تصویر M87 را راستی‌آزمایی کرد؟

تصویر را از صفر و تنها با اندازه‌گیری‌هایی بازسازی کرد که خطاهای دستگاه را حذف می‌کنند، و با مدلی هوشمند که هرگز سیاهچاله‌ای ندیده بود ^[1][2]. خلاصه رویکرد:

1. استفاده از سه‌تایی‌ها به‌جای جفت‌ها: تحلیل معمول داده‌های جفت تلسکوپ‌ها را ترکیب می‌کند. روش CSIRO مجموعه‌های سه‌تایی را ترکیب می‌کند که آن خطاها را از میان می‌برد، چنان‌که تیاگاراجان توضیح داد ^[2][4]؛ مقاله می‌گوید اندازه‌گیری‌های حاصل «اطلاعات ریخت‌شناختی خالص» و عاری از اثرهای کالیبراسیون دارند ^[1].
2. ناوردهای بستار: مقاله این اندازه‌گیری‌های مستقل از کالیبراسیون را «ناوردهای بستار» می‌نامد، نسخه‌ای یکپارچه از فازها و دامنه‌های بستار که اخترشناسان رادیویی پیش‌تر به کار می‌برند ^[1].
3. هوش مصنوعی مولد بدون آموزش با سیاهچاله: الگوریتم GenDIReCT یک مدل پخش نهان (latent diffusion) است که مقاله آن را آموزش‌دیده با تصاویر نامرتبط با نجوم توصیف می‌کند ^[1][4]. بخش روش‌ها می‌گوید مجموعه آموزشی از تصاویر طبیعی CIFAR-10 افزوده‌شده به‌همراه شکل‌های هندسی ساده، از جمله حلقه و هلال، بود؛ نویسندگان گزارش می‌کنند آموزش بدون این شکل‌ها تفاوت قابل‌توجهی ایجاد نکرد ^[1].
4. تطبیق متقابل: گروه پژوهشی شکل‌های هندسی ساده را هم روی همان داده‌ها برازش داد و قطر میانگین ۴۲٫۳ ± ۱٫۱ میکروثانیه قوسی را به دست آورد که با ۴۲٫۲ ± ۱٫۵ حاصل از تصاویر سازگار است ^[1].

دیاکوگیانیس به لای اعتبار داد که بخشی از هوش مصنوعی را طوری ساخته که «هنگام بازسازی هر تصویر یاد بگیرد» و اندازه‌گیری‌های تلسکوپ برای همان رصد خاص آن را هدایت کنند ^[2].

سیاهچاله M87 چقدر بزرگ است؟

مطالعه جدید جرمی برابر ۶٫۵ ± ۰٫۵ میلیارد برابر خورشید را از حلقه‌ای به پهنای ۴۲٫۲ ± ۱٫۵ میکروثانیه قوسی نتیجه می‌گیرد ^[1]. این رقم با ۶٫۵ میلیارد جرم خورشیدی که هنگام انتشار نخستین تصویر در ۱۰ آوریل ۲۰۱۹ اعلام شد هم‌خوان است ^[6].

حلقه دقیقاً چیست؟ مقاله Nature آن را تابش لنزشده گرانشی و دچار انتقال به سرخ از ناحیه پیرامون سیاهچاله ابرجرم مرکزی، با سایه‌ای تیره در میانه، توصیف می‌کند ^[1]. ESO در سال ۲۰۱۹ سایه را ناشی از خمش گرانشی و به دام افتادن نور توسط افق رویداد توصیف کرد ^[6]. اندازه آن عمدتاً به جرم و فاصله سیاهچاله بستگی دارد و همین است که زاویه اندازه‌گیری‌شده را به برآورد جرم تبدیل می‌کند، به گفته نویسندگان «با فرض پارامترهای مقیاس‌دهی اسمی» ^[1].

یک میکروثانیه قوسی یک میلیونیم ثانیه قوسی است، زاویه‌ای بسیار کوچک. این سیاهچاله در فاصله ۵۵ میلیون سال نوری، در مرکز Messier 87، کهکشانی عظیم در خوشه سنبله (Virgo)، قرار دارد ^[6]. مقاله فاصله را ۱۶٫۸ مگاپارسک ذکر می‌کند ^[1].

حلقه به سمت جنوب یا جنوب غربی روشن‌تر دیده می‌شود و بهترین تطابق با تصاویر مصنوعی شبیه‌سازی‌ها زاویه میل حدود ۲۰ درجه نسبت به جت نزدیک‌شونده است که مقاله آن را عموماً هم‌خوان با ۱۷٫۲ ± ۳٫۳ درجه از رصدهای رادیویی پیشین ۴۳ GHz می‌داند ^[1]. نویسندگان گزارش می‌کنند جهت‌گیری حلقه بین ۲۰۱۷ و ۲۰۱۸ پادساعتگرد جابه‌جا شده است که آن را به تلاطم در برافزایش نسبت می‌دهند، هرچند می‌گویند روند ۲۰۱۷ ممکن است تا حدی بازتاب پوشش پراکنده در ۵ و ۶ آوریل باشد ^[1].

آنچه این مطالعه انجام نمی‌دهد: سرعت چرخش سیاهچاله را محدود نمی‌کند. مقاله می‌گوید بهترین تطابق‌های تصویری چرخشی غیرصفر را ترجیح می‌دهند، هم‌خوان با تحلیل‌های پیشین EHT، اما بزرگی آن را نه ^[1].

این مطالعه از چه داده‌هایی استفاده کرد؟

اندازه‌گیری‌های عمومی EHT در طول موج ۱٫۳ میلی‌متر از سه سال رصد: ۲۰۱۷، ۲۰۱۸ و ۲۰۲۱ ^[1].

کارزار ۲۰۱۷ که تصویر معروف را پدید آورد، چهار روز رصد داشت (۵، ۶، ۱۰ و ۱۱ آوریل). برای ۲۰۱۸ و ۲۰۲۱ هر کدام دو روز بود ^[1]. گروه پژوهشی باکیفیت‌ترین روز هر سال را برجسته می‌کند: ۱۱ آوریل ۲۰۱۷، ۲۱ آوریل ۲۰۱۸ و ۱۸ آوریل ۲۰۲۱، و گزارش می‌کند همه آن‌ها حلقه‌ای فشرده در مقیاس حدود ۴۰ میکروثانیه قوسی به دست می‌دهند ^[1].

برای مقایسه، گروه یک بازسازی مرجع را هم برای همکاری EHT با خط لوله عمومی eht-imaging بازتولید کرد ^[1]. رصدهای اصلی ۲۰۱۷ از هشت تلسکوپ در مکان‌های مرتفع، از جمله آتشفشان‌هایی در هاوایی و مکزیک، استفاده کردند و هر تلسکوپ روزانه حدود ۳۵۰ ترابایت داده تولید کرد ^[6]. The Register یادآور می‌شود اندازه‌گیری‌های ۲۰۱۹ از هشت تلسکوپ در مکان‌هایی از جمله شیلی، ایالات متحده و جنوبگان آمده بود ^[5].

استفاده از چند سال اهمیت دارد: بعید است یک ناهنجاری پردازشی در مجموعه داده‌های مستقل عیناً ظاهر شود و لوران لوینار، مدیر EHT، خاطرنشان کرد که GenDIReCT «ساختار حلقه M87* را در چندین سال بازیابی می‌کند» ^[2].

آیا این نسبیت عام را ثابت می‌کند؟

یکی از شواهد مهم را تقویت می‌کند؛ به‌تنهایی نظریه‌ای را ثابت نمی‌کند ^[1][4]. حلقه، نوری است که گرانش سیاهچاله آن را خم و دچار انتقال به سرخ کرده است، چنان‌که نسبیت عام پیش‌بینی می‌کند ^[1]. هنگام انتشار نخستین تصویر، هاینو فالکه (Heino Falcke)، رئیس شورای علمی EHT، در بیانیه ESO گفت سایه «چیزی است که نسبیت عام اینشتین پیش‌بینی کرده بود و پیش‌تر هرگز ندیده بودیم» ^[6].

New Scientist نتیجه جدید را تأییدی کلیدی بر اینکه نسبیت عام فضازمان پیرامون سیاهچاله را دقیق توصیف می‌کند وصف می‌کند ^[4]. مقاله Nature محتاطانه‌تر است: حلقه و اندازه آن را تأیید می‌کند و تصاویر را با شبیه‌سازی‌های گاز داغ و مغناطیده پیرامون سیاهچاله مقایسه می‌کند تا زاویه دید را برآورد کند ^[1].

علم تا حدی از طریق چنین راستی‌آزمایی‌هایی پیش می‌رود که گروه‌های کوچک و مستقل انجام می‌دهند. لوینار گفت: «اعتبارسنجی مستقل در قلب فرایند علمی است و برای نتایجی به تازگی نتایج تلسکوپ افق رویداد به‌ویژه ارزشمند است» ^[2]. برای نمونه‌ای دیگر از آزمودن روش‌های نو بر پرسش‌های قدیمی، مطلب «سردترین دمای ثبت‌شده: ۱۰ پیکوکلوین در فضا» و «داده‌های تلسکوپ Euclid: نقشه تازه ESA چه نشان می‌دهد» را ببینید.

آینده تصویربرداری از سیاهچاله‌ها چیست؟

CSIRO می‌گوید این روش را می‌توان فراتر از نجوم به کار برد و همکاری EHT آن را ابزاری برای کل جامعه علمی می‌داند ^[2][3].

• اهداف دیگر: مقاله می‌گوید GenDIReCT روی داده‌های EHT از کهکشان‌های فعال 3C 279 و Centaurus A و نیز روی داده‌های مصنوعی آرایه‌های EHT و ngEHT هم آزمایش شده است ^[1].
• فراتر از نجوم: تیاگاراجان می‌گوید این فناوری می‌تواند به بهبود تصویربرداری پزشکی و نقشه‌برداری زلزله کمک کند؛ این‌ها کاربردهای بالقوه‌اند و نه اثبات‌شده ^[2][3].
• جعبه‌ابزاری گسترده‌تر: لوینار گفت مطالعاتی از این دست «جعبه‌ابزار در دسترس کل جامعه علمی را غنی می‌کنند» ^[2].

در برابر ادعاهای مربوط به هوش مصنوعی در پوشش‌های خبری محتاط باشید. هوش مصنوعی در اینجا به بازسازی تصویر از اندازه‌گیری‌های واقعی کمک می‌کند؛ سیاهچاله را نساخته است. مطلب «چگونه تشخیص دهیم تصویر یا ویدیو ساخته هوش مصنوعی است: نشانه‌ها، ابزارها و محدودیت‌ها» توضیح می‌دهد چگونه تصاویر واقعاً جعلی را تشخیص دهیم. آیوی وانگ گفت این پروژه «با گفت‌وگویی میان همکاران اداری آغاز شد» ^[2].