Katie Bouman ja algoritmi, joka salasi yhden maailmankaikkeuden suurimmista arvoituksista

Katie Bouman suunnitteli algoritmin, joka teki mustan aukon ensimmäisen todellisen kuvan rekonstruoinnin mahdolliseksi

Eilen suuri osa maailmaa odotti ja jopa hämmästyi uutisista mustan aukon ensimmäisestä kuvasta, joka on epäilemättä yksi salaperäisimmistä ilmiöistä kaikissa, joita tapahtuu kosmossa. Kuten sanoimme vastaavassa huomautuksessa, karkeasti, mustat aukot ovat alueita-aika-alueita, joilla painovoima on niin voimakas, että mikään hiukkas ei päästä vetovoimaansa, mikä johtaa pyörreensä jopa kaikkein alkeisimmilla hiukkasilla tai fotoneilla josta tehdään valo. Tästä syystä sen nimi, sen paikan takia, josta se löytyy, ei ole muuta kuin pimeys ja tyhjyys.

Näiden ominaisuuksien perusteella muun muassa eilen asti ihmisen oli ollut mahdotonta saada luotettavaa kuvaa mainitusta ilmiöstä. Event Horizon Telescope (EHT) -hankkeeseen kokoontuneiden useiden virastojen ja avaruus observatorioiden ponnistelujen avulla eilen oli kuitenkin mahdollista julkistaa tämä kuva, josta on nyt tullut historiallinen.

Lyhyesti sanottuna, Event Horizon Telescope -projekti koostui kahdeksan säteittäisen kaukoputken toimien koordinoinnista planeetan eri osissa (lähinnä Amerikassa, plus yksi Espanjassa, toinen Havaijilla ja yksi etelänavalla) kaukoputken saamiseksi. virtuaalisesti koko planeettamme koko ja siten paljon tehokkaampi ja tehokkaampi. Interferometriaksi kutsutun tekniikan avulla oli mahdollista yhdistää mainituissa tiloissa saadut radiosignaalit saadaan paljon luotettavampi ja tarkempi kuva kyseisestä objektista, tässä tapauksessa Jousimiehen A tähdistössä havaitusta supermassiivisesta mustasta aukosta, 25 tuhat 640 valovuoden päässä maasta.

Tässä vaiheessa saattaa olla syytä selventää, että EHT: hen liitetyissä observatorioissa saadut tiedot eivät ole visuaalisia kuvia, kuten niitä, joita havaitsemme kaukoputken kautta, vaan radiosignaalit, joita lähettävät universumista löytyvät eri elimet ja ilmiöt. joka on mahdollista havaita tähän tarkoitukseen suunniteltujen antennien avulla. Nämä antennit eivät sitten saa kuvaa itsessään, vaan tietoa, joka on sitten tarpeen rekonstruoida saadaksemme havaintoomme sopivan kuvan.

EHT-projekti voi kuitenkin vaikuttaa ymmärrettävämmältä. Lisäämällä signaalit, joita ei saa yksi tai kaksi säteittäistä kaukoputkea, vaan kahdeksan, kuulostaa loogiselta, että vastaanotetun tiedon rekonstruoinnin aikana saavutetaan huomattavasti terävämpi kuva havaitusta. Tämä ainakin teoriassa.

Mutta miten tulkita ja rekonstruoida tällaista tietoa nykyään? Itse asiassa tietyllä tavalla ja vaikka hyvin erilaisessa mittakaavassa, niin tapahtuu joka päivä silmiemme edessä, ja itse asiassa se on jatkunut useita vuosikymmeniä. Televisiossa tai meidän aikanamme puhelimiemme ja tietokoneidemme näytöllä olevat kuvat ovat sellaisessa muodossa vasta, kun ne ovat käyneet läpi erilaisia ​​koneita, jotka ovat koodaaneet ja dekoodaaneet tietonsa useita kertoja, kunnes ne ovat meille luettavissa. Tiedot tietoja, jotka näyttävät meille nykyään arjessa kuten valokuva Facebookissa, ääniviesti tai suosikkisarjamme luku, tulevat meille sen jälkeen, kun ne on muunnettu useita kertoja perustietoiksi, jotka voivat liikkua yhdestä pisteestä toiseen planeetalla ja Hanki alkuperäinen muoto sieltä, missä heitä pyydetään.

Avain tällaiseen jälleenrakennukseen on algoritmeissa, niiden tietokonejärjestelmien perusta, jotka ottavat sen nimen yksinkertaisen tosiasian vuoksi, että ne laskevat datan. Kun ihminen pystyi pelkistämään tietyt tietomuodonsa kahteen perusvaihtoehtoon - kyllä ​​tai ei, 0 tai 1, päälle tai pois -, se antoi tietokoneille mahdollisuuden hoitaa prosesseja, joiden pääpiirteenä on toisto. Jos operaatio toistuu ja sen toimintavaihtoehdot ovat 0 tai 1, niin se on mahdollista ilmaista algoritmin muodossa, joka puolestaan ​​voidaan tulkita koneella. Ohjelmointikielet ovat vain ilmaisua tietyssä sanastossa ja ohjeissa, joita koneen on noudatettava.

EHT-projektin ja osallistuvien observatorioiden keräämien tietojen tapauksessa sen tulkintaan johtanut käsittely vaati algoritmia. Ja tämä oli nuoren 29-vuotisen tutkijan työ, jonka nimi tarkalleen ottaen on myös kulkenut ympäri maailmaa, samoin kuin kuvan, jonka keksintönsä avulla oli mahdollista saada: Katie Bouman.

Tietotekniikan opiskelijana arvostetussa Massachusetts Institute of Technologyssa (MIT) Bouman vastasi projektin osasta, joka kehitti algoritmin, joka sallii aaltojen mustan aukon kuvan jälleenrakentamisen radion osuus EHT: ltä. Muutama vuosi sitten, vuoden 2016 artikkelissa, nuori nainen kertoi tämän projektin vaikeuksista, että kuvan saaminen tästä ilmiöstä oli hiukan johtuen etäisyydestä, jolla se sijaitsee, kuten haluaa kuvata rypäleen Kuun pinnalla . Käytetyn matemaattisen mallin osalta tämä sanottiin sitten:

[…] Malli voitaisiin ajatella olevan kumilevy, joka on peitetty säännöllisesti sijaitsevilla kartioilla, joiden korkeus vaihtelee, mutta joiden pohjien halkaisija on sama.

Mallin mukauttaminen interferometrisiin tietoihin on kartioiden korkeuden säätäminen, joka voi olla nolla pitkille leikkauksille, jotka vastaavat tasaista arkkia. Mallin kääntäminen visuaaliseksi kuvaksi on kuin peittäisi se muovikäärellä: Muovi kirenee lähellä olevien piikkien väliin, mutta nojautuu tasokkaiden alueiden vierekkäisiin kartioihin. Muovipakkauksen korkeus vastaa kuvan kirkkautta. Koska korkeus vaihtelee jatkuvasti, malli säilyttää kuvan luonnollisen jatkuvuuden.

Lisä tosiasia, yksi erikoisimmista kuvista Boumanista, jotka ovat kiertäneet viime tunnin aikana, joissa häntä havaitaan onnellisina joidenkin metallisten esineiden vieressä, jotka eivät ole mitään muuta kuin kiintolevyt, akut ja kiintolevyakut ne eivät sisältäneet muuta kuin EHT-kaukoputkien saamaa tietoa, jota oli niin paljon (5 pentatavua, melkein 2 000 kiintolevyä, joiden kapasiteetti oli 1 teratavu), että sen sijaan, että lähetettäisiin sitä Internetissä, oli paljon käytännöllisempi kuljettaa se fyysisesti. Se oli Boumanin algoritmin käsittelemän tiedon määrä.

Boumanin etenemisvaiheessa havaittavan menestystarinan tai inspiraation lisäksi tämä tapaus voi myös auttaa meitä osoittamaan, miksi algoritmit ovat valloittaneet nykyisen elämämme tärkeät alueet, koska ne tarjoavat usein todisteita siitä, että kuten jo Descartes sanoi menetelmää koskevassa keskustelussaan, ettei ole mahdotonta tehtävää, vaikka monimutkainen se voi tuntua, jos pystymme jakamaan sen kohtuuhintaisiin ja toteutettavissa oleviin tontteihin syytämme ja tietämystämme käyttämällä.

Myös Pajama Surf: Descartesin unelma (tai kuinka enkeli perusti modernin tieteen)