Contenidos
Charla «Cómo fotografiar un agujero negro» de TEDxBeaconStreet en español.
En el corazón de la Vía Láctea, hay un agujero negro supermasivo que se alimenta de un disco giratorio de gas caliente, absorbiendo todo lo que se le acerca demasiado. Ni siquiera se escapa la luz. No podemos verlo, pero su horizonte proyecta una sombra, y la imagen de aquella sombra podría ayudarnos a responder algunas preguntas importantes sobre el universo. Los científicos solían pensar que para obtener una imagen de este tipo se requeriría de un telescopio del tamaño de la Tierra – hasta que Katie Bouman, junto a un equipo de astrónomos, propusieron una alternativa inteligente. Aprendamos sobre cómo podemos ver en la oscuridad.
- Autor/a de la charla: Katie Bouman
- Fecha de grabación: 2016-11-19
- Fecha de publicación: 2017-04-04
- Duración de «Cómo fotografiar un agujero negro»: 771 segundos
Traducción de «Cómo fotografiar un agujero negro» en español.
En la película «Interestelar,» podemos ver de cerca un agujero negro supermasivo.
Puesto frente a un fondo de gas brillante, la enorme fuerza gravitatoria del agujero negro curva la luz en forma de anillo.
Pero esto no es una fotografía de verdad, sino una representación gráfica hecha por ordenador, una interpretación artística del aspecto que podría tener un agujero negro.
Hace cien años Albert Einstein publicó su teoría de la relatividad general.
Desde entonces los científicos han hallado cantidad de pruebas que la respaldan.
Pero una de las cosas predichas por esta teoría, los agujeros negros, aún no se ha observado directamente.
Aunque tenemos una idea aproximada del aspecto de un agujero negro nunca antes hemos tomado una fotografía de ninguno.
Quizá les sorprenda saber que eso puede estar a punto de cambiar.
Puede que veamos la primera foto de un agujero negro en los próximos años.
Conseguir esta primera fotografía requerirá un equipo internacional de científicos, un telescopio del tamaño de la Tierra, y un algoritmo que componga la imagen final.
Aunque hoy no podré enseñarles una imagen real de un agujero negro, me gustaría mostrarles brevemente el esfuerzo que supone conseguir esa primera fotografía.
Mi nombre es Katie Bouman, y soy estudiante de doctorado en el MIT.
Realizo investigación en un laboratorio informático haciendo que los ordenadores visualicen imágenes y vídeos.
Pero aunque no soy astrónoma, hoy me gustaría enseñarles cómo he llegado a colaborar con este emocionante proyecto.
Si esta noche se alejan de las brillantes luces de la ciudad puede que tengan la suerte de contemplar la magnífica imagen de la Galaxia de la Vía Láctea.
Y si pudieran ampliar a través de millones de estrellas, 26.000 años luz hacia el corazón de la espiral de la Vía Láctea, llegaríamos al final a un conglomerado de estrellas, justo en el centro.
Escudriñando a través del polvo galáctico con telescopios infrarrojos, los astrónomos han observado estas estrellas durante más de 16 años.
Pero lo más espectacular es lo que no pueden ver.
Estas estrellas parecen orbitar en torno a un objeto invisible.
Monitorizando el movimiento de estas estrellas, los astrónomos han llegado a la conclusión de que lo único tan pequeño y pesado para causar ese movimiento es un agujero negro supermasivo.
Un objeto tan denso que absorbe todo lo que se aproxime demasiado, incluida la luz.
Pero,
¿qué es lo que ocurre si nos acercáramos aún más?
¿Es posible ver algo que es, por definición, imposible de ver?
Resulta que si nos acercáramos a longitudes de onda de radio podríamos esperar observar un anillo de luz causado por la lente gravitacional del plasma caliente que rodea el agujero negro.
Es decir, el agujero negro proyecta una sombra sobre este fondo de brillante, recortando una esfera oscura.
Este anillo brillante revela el horizonte del agujero negro, donde la fuerza gravitatoria se vuelve tan inmensa que ni siquiera la luz puede escapar.
Las ecuaciones de Einstein predicen el tamaño y forma del anillo, así que tomar una fotografía no sólo sería una pasada, nos ayudaría a confirmar que estas ecuaciones se mantienen en las condiciones extremas alrededor del agujero negro.
Pero este agujero negro está tan lejos de nosotros, que desde la Tierra este anillo parece increíblemente pequeño, del tamaño de una naranja sobre la superficie de la luna, para nosotros.
Eso hace que tomar la fotografía sea extremadamente difícil.
¿Por qué?
Bueno, todo se resume en una simple ecuación.
Debido a un fenómeno llamado difracción existen límites fundamentales sobre los objetos más pequeños que somos capaces de observar.
Esta ecuación dice que para ver cosas más y más pequeñas, necesitamos hacer nuestros telescopios más y más grandes.
Pero incluso con los telescopios ópticos más potentes de la Tierra ni siquiera nos acercamos a la resolución necesaria para tomar fotos de la superficie lunar.
Aquí les muestro una de las imágenes con mayor resolución obtenida de la luna desde la Tierra.
Contiene unos 13.000 píxeles, y aún así cada píxel contendría más de 1 millón y medio de naranjas.
Así que
¿cuán grande es el telescopio que necesitamos para poder ver una naranja en la luna, y por extensión, nuestro agujero negro?
Si analizamos los datos, se puede calcular que necesitaríamos un telescopio del tamaño de la Tierra.
(Risas)
Si pudiéramos construir este telescopio tamaño Tierra, podríamos empezar distinguir ese anillo de luz característico que señala el horizonte del agujero negro.
Aunque esta imagen no tendría todos los detalles de las imágenes generadas por ordenador, nos permitiría obtener con seguridad un primer vistazo del entorno inmediato del agujero negro.
Como pueden imaginar, construir un telescopio de disco único del tamaño de la Tierra es imposible.
Pero, citando a Mick Jagger, «No siempre consigues lo que quieres, pero si lo intentas, a veces ves que consigues lo que necesitas.» Y conectando telescopios de todo el mundo, una colaboración internacional llamada el Event Horizon Telescope está creando un telescopio computacional del tamaño de la Tierra, capaz de resolver una estructura del tamaño de un horizonte de agujero negro.
Está previsto que la red de telescopios tome la primera fotografía de un agujero negro el año que viene.
Cada telescopio en la red global colabora con los otros.
Conectados de manera precisa mediante relojes atómicos, equipos de investigadores desde cada sitio congelan luz recogiendo miles de terabytes de datos.
Estos datos se procesan en un laboratorio aquí en Massachusetts.
¿Y cómo funciona esto?
¿Recuerdan que para ver ese agujero negro en el centro de nuestra galaxia necesitamos ese telescopio gigantesco, del tamaño de la Tierra?
Por un instante, pretendamos que fuera posible construir un telescopio del tamaño de la Tierra.
Sería parecido a convertir la Tierra en una bola de discoteca gigante.
Cada espejo individual capturaría luz que luego podríamos combinar para componer la imagen.
Pero digamos que retiramos la mayoría de esos espejos dejando sólo unos pocos.
Aún podríamos intentar combinar esta información, pero ahora hay muchos agujeros.
Los espejos que quedan serían los lugares donde tenemos telescopios.
Es un número minúsculo de medidas para conseguir una imagen.
Pero aunque sólo capturemos luz desde unas pocas ubicaciones, mientras la Tierra rota, podemos observar otras nuevas medidas.
Es decir, al girar la bola de discoteca, esos espejos cambian de posición y podemos observar diferentes partes de la imagen.
Los algoritmos de obtención de imágenes que desarrollamos rellenan los huecos de la bola para poder reconstruir la imagen subyacente del agujero negro.
Si tuviéramos telescopios en todos los rincones del mundo es decir, la bola de discoteca entera, esto sería trivial.
Pero sólo vemos unas cuantas muestras y por esa razón hay un número infinito de imágenes posibles que son perfectamente coherentes con los datos de los telescopios.
Pero no todas las imágenes son iguales.
Algunas de esas imágenes se parecen más a lo que consideramos una imagen que otras.
Mi papel para ayudar a conseguir esta primera imagen de un agujero negro es diseñar algoritmos que encuentren la imagen más razonable que encaje con los datos de los telescopios.
Igual que un artista forense usa descripciones limitadas para componer una imagen aplicando sus conocimientos sobre estructura facial, los algoritmos de obtención de imágenes que desarrollo ayudan a usar los datos limitados de los telescopios hasta conseguir una imagen que se parezca a cosas de nuestro universo.
Usando estos algoritmos, podemos componer imágenes a partir de estos datos escasos y sucios.
Aquí muestro un ejemplo de reconstrucción realizada utilizando datos simulados, cuando fingimos apuntar nuestros telescopios al agujero negro en el centro de nuestra galaxia.
Aunque es sólo una simulación reconstrucciones así nos dan esperanzas de que pronto podremos tomar una primera imagen fiable de un agujero negro, y con ella determinar el tamaño de su anillo.
Aunque me encantaría seguir con los detalles de este algoritmo por suerte para Uds., no dispongo de tiempo.
Aún así me gustaría que se hiciesen una idea de cómo determinamos el aspecto de nuestro universo y cómo usamos eso para reconstruir y verificar nuestros resultados.
Ya que hay un número infinito de imágenes posibles que explican perfectamente las medidas de los telescopios, tenemos que seleccionar entre ellas de alguna forma.
Lo hacemos evaluando las imágenes basándonos en la probabilidad de que sean la imagen del agujero negro, y entonces elegimos la más probable.
¿Qué significa eso exactamente?
Digamos que estábamos intentando construir un sistema que nos diga las probabilidades de que una imagen esté en Facebook.
Seguramente nos gustaría que el sistema nos dijera que es poco probable que alguien suba la imagen llena de ruido de la izquierda, y muy probable que publique un selfie como éste de la derecha.
La imagen central está borrosa, así que aunque fuese más probable verla en Facebook que la imagen con ruido, es menos probable que el selfie.
Pero cuando se trata de imágenes del agujero negro, encontramos un verdadero dilema: nunca antes hemos visto uno.
Así que,
¿qué es una imagen probable de un agujero negro?
¿Qué deberíamos suponer sobre la estructura de los agujeros negros?
Podríamos probar imágenes de simulaciones que hemos hecho, como el agujero negro de «Interestelar», pero si hiciéramos esto, podría causar serios problemas.
¿Y si las teorías de Einstein no se sostuvieran?
Seguiríamos queriendo reconstruir una imagen precisa del fenómeno.
Si forzamos las ecuaciones de Einstein en nuestros algoritmos simplemente acabaremos viendo lo que esperamos ver.
Es decir, queremos estar abiertos a la posibilidad de que haya un elefante gigante en medio de nuestra galaxia.
(Risas)
Diferentes tipos de imágenes tienen características distintas.
Es fácil diferenciar imágenes de simulaciones de agujeros negros de imágenes hechas un día cualquiera en la Tierra.
Necesitamos una manera de explicar a nuestros algoritmos qué aspecto tienen las imágenes sin imponerles demasiadas características de un tipo de imagen.
Una manera de resolver esto es imponer características de varios tipos de imágenes, y ver cómo el tipo de imagen que suponemos afecta a nuestras reconstrucciones.
Si todos los tipos de imágenes producen imágenes similares, podemos empezar a estar seguros de que nuestras conjeturas no están deformando tanto la imagen.
Es parecido a dar la misma descripción a tres artistas de diferentes lugares.
Si todos producen un rostro similar, podemos empezar a estar seguros de que no están forzando sus propios prejuicios culturales en los dibujos.
Una manera de intentar imponer diferentes características visuales es con fragmentos de imágenes existentes.
Tomamos una gran colección de imágenes, y la descomponemos en pequeños parches.
Entonces podemos tratar cada parche como la pieza de un puzzle.
Y utilizamos piezas de puzzle comunes para componer una imagen que encaje también con las medidas de nuestros telescopios.
Diferentes tipos de imagen dan distintos tipos de piezas de puzzle.
¿Qué ocurre cuando usamos los mismos datos pero diferentes tipos de piezas de puzzle para reconstruir la imagen?
Empecemos con piezas de puzzle de simulaciones de agujeros negros.
Vale, esto parece razonable.
Éste es el aspecto que esperamos de un agujero negro.
¿Pero lo hemos obtenido porque sólo le hemos dado piezas de simulaciones de agujeros negros?
Intentemos otro tipo de piezas de puzzle, de objetos astronómicos que no son agujeros negros.
Vale, tenemos una imagen similar.
¿Y con piezas de imágenes del día a día, como las que Uds.
toman con su cámara personal?
Genial, vemos la misma imagen.
Cuando obtenemos la misma imagen con todos los conjuntos diferentes de piezas de puzzle, podemos empezar a estar seguros de que nuestras conjeturas no están deformando tanto la imagen.
Otra cosa que podemos hacer es tomar el mismo conjunto de piezas de puzzle, como las derivadas de imágenes normales del día a día, y usarlas para recomponer muchos tipos de imágenes diferentes.
Así que en nuestras simulaciones pretendemos que un agujero negro se parece a otros objetos astronómicos que no son agujeros negros, y a imágenes comunes como el elefante en el centro de nuestra galaxia.
Cuando los resultados de los algoritmos en la parte inferior se parecen mucho a la imagen verdadera de la simulación, arriba, entonces podemos empezar a confiar más en nuestros algoritmos.
Y de verdad que quiero enfatizar aquí que todas estas imágenes fueron creadas uniendo pequeños fragmentos de fotografías corrientes como las que Uds.
toman con su cámara personal.
Así que una imagen de un agujero negro que no hemos visto nunca podría crearse uniendo imágenes que vemos todo el tiempo de personas, edificios, árboles, gatos y perros.
Imaginar ideas como ésta hará que sea posible que obtengamos nuestras primeras fotos de un agujero negro, y con suerte que verifiquemos esas famosas teorías en las que los científicos confían cada día.
Por supuesto, conseguir ideas para generar tales imágenes y que funcionen no sería posible sin el fantástico equipo de investigadores con el que tengo el honor de trabajar.
Aún me asombra que aunque empecé este proyecto sin saber astrofísica, lo que hemos logrado a través de esta colaboración única podría resultar en las primeras imágenes de un agujero negro.
Pero grandes proyectos como el Event Horizon Telescope tienen éxito gracias a todo el conocimiento interdisciplinar que diferentes personas aportan.
Somos una mezcla de astrónomos, físicos, matemáticos e ingenieros.
Esto es lo que hará posible dentro de poco conseguir algo que una vez se creyó imposible.
Me gustaría animaros a todos a salir ahí fuera y ayudar a expandir los límites de la ciencia, incluso si al principio os parece tan misteriosa como un agujero negro.
Gracias.
(Aplausos)
https://www.ted.com/talks/katie_bouman_how_to_take_a_picture_of_a_black_hole/