Comme la science innombrable et les organes d’information généraux l’ont rapporté aujourd’hui, l’image du Sagittaire A*, le trou noir supermassif au centre de notre galaxie, est une prouesse scientifique fabuleuse. Mais un aspect qui n’a pas retenu autant l’attention est le rôle central joué par les simulations et les données synthétiques dans la découverte.
Si vous n’avez pas encore lu ces nouvelles scientifiques impressionnantes, le propre message du télescope Event Horizon est un excellent endroit pour comprendre l’essentiel. Sur la base d’années d’observations du monde entier, une énorme équipe de plus d’une centaine d’institutions a réussi à assembler une image du trou noir autour duquel notre galaxie tourne, malgré sa relative proximité et l’interférence d’années-lumière de poussière, de nébuleuses et de autres aléas du vide.
Mais il ne s’agissait pas seulement de pointer le télescope dans la bonne direction au bon moment. Les trous noirs ne peuvent pas être observés directement en utilisant quelque chose comme Hubble ou même le Webb encore en train de se réchauffer. Au lieu de cela, toutes sortes d’autres mesures directes et indirectes de l’objet doivent être effectuées – comment le rayonnement et la gravité se courbent autour de lui, etc.
Cela signifie que les données provenant de dizaines de sources doivent être assemblées et réconciliées, ce qui est en soi une tâche énorme et une grande partie de la raison pour laquelle les observations faites en 2017 ne sont publiées que maintenant sous forme d’image finale, que vous pouvez voir ci-dessous. Mais parce que ce projet n’a vraiment pas de précédent (même la célèbre image M87*, bien que superficiellement similaire, utilisait des procédés différents), il était nécessaire de tester essentiellement plusieurs possibilités pour savoir comment les mêmes observations auraient pu être faites.
Par exemple, s’il fait « sombre » au milieu, est-ce parce qu’il y a quelque chose sur le chemin (et il y en a – environ la moitié de la galaxie) ou parce que le trou lui-même a un trou (et il en a l’air) ? Le manque de données d’observation directe rend difficile à dire. (Notez que les images ici ne montrent pas simplement une image basée sur la lumière visible, mais la forme déduite basée sur d’innombrables lectures de rayonnement et d’autres mesures.)
Crédits image : ISE
Pensez à regarder un objet ordinaire à distance. De droit, cela ressemble à un cercle – mais cela signifie-t-il que c’est une balle ? Une assiette? Un cylindre vu de bout ? Ici sur Terre, vous pouvez bouger la tête ou faire quelques pas sur le côté pour obtenir un peu plus d’informations – mais essayez de le faire à une échelle cosmique ! Pour obtenir une parallaxe efficace sur un trou noir à 27 000 années-lumière, vous devez parcourir une distance assez longue et probablement enfreindre les lois de la physique dans le processus. Les chercheurs ont donc dû utiliser d’autres méthodes pour déterminer quelles formes et quels phénomènes expliquaient le mieux le peu pouvait observer.
Pour explorer et évaluer systématiquement les choix de conception des algorithmes d’imagerie et leurs effets sur les reconstructions d’images résultantes, nous avons généré une série d’ensembles de données synthétiques. Les données synthétiques ont été soigneusement construites pour correspondre aux propriétés des mesures Sgr A * EHT. L’utilisation de données synthétiques permet une évaluation quantitative de la reconstruction d’image par rapport à la vérité terrain connue. Cela permet à son tour d’évaluer les choix de conception et les performances des algorithmes d’imagerie.
En d’autres termes, ils ont généré des océans de données relatives à différentes explications possibles de leurs observations et ont examiné à quel point ces environnements de trous noirs simulés étaient prédictifs.
Lisa Medeiros de l’Institute for Advanced Study, dans un Q&A très intéressant à regarder dans son intégralité si vous avez le temps, a expliqué un peu cela en ce qui concerne comment et pourquoi l’étude a examiné la rotation du trou noir et comment cela était lié à la rotation des matériaux qui l’entourent et à la galaxie dans son ensemble.
« Ce qui était vraiment excitant à propos de ce nouveau résultat, par rapport à ce que nous avons fait en 2019 pour M87, c’est que dans l’article 5, nous incluons en fait plusieurs simulations où nous explorons cela [i.e., the spin relationships], » dit-elle. « Ainsi, il existe des simulations où l’axe de rotation du trou noir n’est pas aligné avec l’axe de rotation de la matière qui tourbillonne autour du trou noir, et c’est une simulation vraiment nouvelle et passionnante qui n’était pas incluse dans les publications de 2019. ”
Crédits image : ISE
Naturellement, ces simulations sont des choses incroyablement compliquées qui nécessitent des superordinateurs pour être traitées, et il y a un art et une science pour déterminer combien il est logique de faire et à quel point elles doivent être rapprochées. Dans ce cas, la question d’alignement examinée a une valeur scientifique inhérente, mais pourrait également aider à interpréter, par exemple, les interférences causées par les gaz et la poussière tourbillonnant autour du trou noir. Si la rotation est comme cettesa gravité affecterait la poussière comme cettece qui signifie que les lectures doivent être lues comme cette.
« Nos simulations, lorsque nous regardons les simulations par rapport aux données, nous avons tendance à préférer les modèles qui sont presque pointés vers nous – pas directement vers nous mais décalés d’environ 30 degrés », a poursuivi Medeiros. « Et cela indiquerait que l’axe de rotation du trou noir n’est pas aligné avec l’axe de rotation de la galaxie dans son ensemble, et si vous croyez ce que j’ai dit plus tôt, le disque préfère être aligné avec l’axe de rotation du noir trou. Il semble que le disque et le trou noir soient alignés, mais qu’aucun ne soit aligné avec la galaxie.
En plus de rechercher des aspects spécifiques comme celui-ci, il y avait la question plus générale de savoir quelle forme (ou « morphologie de la source sous-jacente ») produirait les lectures qu’ils ont obtenues : essentiellement la question « balle contre plaque », mais bien plus compliquée.
Dans l’un des articles publiés aujourd’hui, l’équipe décrit la construction de sept morphologies potentielles différentes pour le trou noir, reflétant différents arrangements de sa matière, de l’anneau au disque et même une sorte de trou noir binaire – pourquoi pas, n’est-ce pas ? Ils ont simulé la manière dont ces différentes formes produiraient des résultats différents dans leurs instruments et les ont comparés à une simulation «magnétohydrodynamique relativiste générale» ou GRMHD plus exigeante sur le plan informatique (et linguistique).
Vous pouvez les voir dans une combinaison de deux images de l’article ici :
Crédits image : ISE
L’idée était de trouver laquelle des simulations produisait des résultats ressemblant le plus à ceux qu’ils avaient réellement vus, et bien qu’il n’y ait pas eu de vainqueur en fuite, l’anneau et les simulations GRMHD (qui, il faut le dire, ressemblaient plutôt à des anneaux – ont produit les résultats les plus cohérents.) Cela a informé la façon dont les données ont été interprétées pour l’interprétation finale des données et de l’image résultante. (Notez que je résume ici en gros un processus extrêmement complexe.)
Étant donné que ces observations ont été faites il y a environ cinq ans et que beaucoup de choses se sont produites depuis lors, il reste encore beaucoup à étudier et d’autres simulations à exécuter. Mais ils ont dû appuyer sur « imprimer » à un moment donné et l’image en haut est leur interprétation la plus éclairée des données produites. Au fur et à mesure que les observations et les simulations s’accumulent, nous pouvons sans aucun doute en attendre de meilleures.
En fait, comme l’a dit Richard Anantua de l’Université du Texas à San Antonio lors de la session de questions-réponses, vous pourriez même essayer vous-même.
« Si vous êtes en sixième et que vous pouvez accéder à certains des ordinateurs de votre école, je pense qu’il y a l’imagerie EHT, et nous avons toutes sortes de pipelines et d’outils que vous pouvez enseigner à votre classe », a-t-il déclaré, apparemment seulement la moitié -plaisanterie. « Les données pour certaines d’entre elles sont publiques – vous pouvez donc commencer à travailler dessus maintenant et au moment où vous êtes à l’université, vous avez à peu près une image. »