TED日本語 - ケイティ・バウマン: ブラックホールの写真を撮影する

TED日本語

TED Talks(英語 日本語字幕付き動画)

TED日本語 - ケイティ・バウマン: ブラックホールの写真を撮影する

TED Talks

ブラックホールの写真を撮影する
How to take a picture of a black hole
ケイティ・バウマン
Katie Bouman

内容

天の川銀河系の中心には超大質量ブラックホールがあり、回転している円盤状の熱いガスを吸い込んでいます。そのブラックホールは近づくものは何でも、光でさえも飲み込んでしまいます。そのため、ブラックホールを見ることはできません。しかし、その「事象の地平面」はガスに影を落とすので、その影の写真を撮ることで宇宙についての重要な謎を解く鍵が得られるでしょう。科学者はその写真を撮るには地球サイズの望遠鏡が必要だと考えてきました。しかし、ケイティ・バウマンと天文学者たちのチームは、賢い解決策を見出しました。どのように究極の闇を見ることができるかをご覧ください。

Script

In the movie "Interstellar," we get an up-close look at a supermassive black hole. Set against a backdrop of bright gas, the black hole's massive gravitational pull bends light into a ring. However, this isn't a real photograph, but a computer graphic rendering -- an artistic interpretation of what a black hole might look like.

A hundred years ago, Albert Einstein first published his theory of general relativity. In the years since then, scientists have provided a lot of evidence in support of it. But one thing predicted from this theory, black holes, still have not been directly observed. Although we have some idea as to what a black hole might look like, we've never actually taken a picture of one before. However, you might be surprised to know that that may soon change. We may be seeing our first picture of a black hole in the next couple years. Getting this first picture will come down to an international team of scientists, an Earth-sized telescope and an algorithm that puts together the final picture. Although I won't be able to show you a real picture of a black hole today, I'd like to give you a brief glimpse into the effort involved in getting that first picture.

My name is Katie Bouman, and I'm a PhD student at MIT. I do research in a computer science lab that works on making computers see through images and video. But although I'm not an astronomer, today I'd like to show you how I've been able to contribute to this exciting project.

If you go out past the bright city lights tonight, you may just be lucky enough to see a stunning view of the Milky Way Galaxy. And if you could zoom past millions of stars,26,000 light-years toward the heart of the spiraling Milky Way, we'd eventually reach a cluster of stars right at the center. Peering past all the galactic dust with infrared telescopes, astronomers have watched these stars for over 16 years. But it's what they don't see that is the most spectacular. These stars seem to orbit an invisible object. By tracking the paths of these stars, astronomers have concluded that the only thing small and heavy enough to cause this motion is a supermassive black hole -- an object so dense that it sucks up anything that ventures too close -- even light.

But what happens if we were to zoom in even further? Is it possible to see something that, by definition, is impossible to see? Well, it turns out that if we were to zoom in at radio wavelengths, we'd expect to see a ring of light caused by the gravitational lensing of hot plasma zipping around the black hole. In other words, the black hole casts a shadow on this backdrop of bright material, carving out a sphere of darkness. This bright ring reveals the black hole's event horizon, where the gravitational pull becomes so great that not even light can escape. Einstein's equations predict the size and shape of this ring, so taking a picture of it wouldn't only be really cool, it would also help to verify that these equations hold in the extreme conditions around the black hole.

However, this black hole is so far away from us, that from Earth, this ring appears incredibly small -- the same size to us as an orange on the surface of the moon. That makes taking a picture of it extremely difficult. Why is that? Well, it all comes down to a simple equation. Due to a phenomenon called diffraction, there are fundamental limits to the smallest objects that we can possibly see. This governing equation says that in order to see smaller and smaller, we need to make our telescope bigger and bigger. But even with the most powerful optical telescopes here on Earth, we can't even get close to the resolution necessary to image on the surface of the moon. In fact, here I show one of the highest resolution images ever taken of the moon from Earth. It contains roughly 13,000 pixels, and yet each pixel would contain over 1.5 million oranges.

So how big of a telescope do we need in order to see an orange on the surface of the moon and, by extension, our black hole? Well, it turns out that by crunching the numbers, you can easily calculate that we would need a telescope the size of the entire Earth.

(Laughter)

If we could build this Earth-sized telescope, we could just start to make out that distinctive ring of light indicative of the black hole's event horizon. Although this picture wouldn't contain all the detail we see in computer graphic renderings, it would allow us to safely get our first glimpse of the immediate environment around a black hole.

However, as you can imagine, building a single-dish telescope the size of the Earth is impossible. But in the famous words of Mick Jagger, "You can't always get what you want, but if you try sometimes, you just might find you get what you need." And by connecting telescopes from around the world, an international collaboration called the Event Horizon Telescope is creating a computational telescope the size of the Earth, capable of resolving structure on the scale of a black hole's event horizon. This network of telescopes is scheduled to take its very first picture of a black hole next year. Each telescope in the worldwide network works together. Linked through the precise timing of atomic clocks, teams of researchers at each of the sites freeze light by collecting thousands of terabytes of data. This data is then processed in a lab right here in Massachusetts.

So how does this even work? Remember if we want to see the black hole in the center of our galaxy, we need to build this impossibly large Earth-sized telescope? For just a second, let's pretend we could build a telescope the size of the Earth. This would be a little bit like turning the Earth into a giant spinning disco ball. Each individual mirror would collect light that we could then combine together to make a picture. However, now let's say we remove most of those mirrors so only a few remained. We could still try to combine this information together, but now there are a lot of holes. These remaining mirrors represent the locations where we have telescopes. This is an incredibly small number of measurements to make a picture from. But although we only collect light at a few telescope locations, as the Earth rotates, we get to see other new measurements. In other words, as the disco ball spins, those mirrors change locations and we get to observe different parts of the image. The imaging algorithms we develop fill in the missing gaps of the disco ball in order to reconstruct the underlying black hole image. If we had telescopes located everywhere on the globe -- in other words, the entire disco ball -- this would be trivial. However, we only see a few samples, and for that reason, there are an infinite number of possible images that are perfectly consistent with our telescope measurements. However, not all images are created equal. Some of those images look more like what we think of as images than others. And so, my role in helping to take the first image of a black hole is to design algorithms that find the most reasonable image that also fits the telescope measurements.

Just as a forensic sketch artist uses limited descriptions to piece together a picture using their knowledge of face structure, the imaging algorithms I develop use our limited telescope data to guide us to a picture that also looks like stuff in our universe. Using these algorithms, we're able to piece together pictures from this sparse, noisy data. So here I show a sample reconstruction done using simulated data, when we pretend to point our telescopes to the black hole in the center of our galaxy. Although this is just a simulation, reconstruction such as this give us hope that we'll soon be able to reliably take the first image of a black hole and from it, determine the size of its ring. Although I'd love to go on about all the details of this algorithm, luckily for you, I don't have the time.

But I'd still like to give you a brief idea of how we define what our universe looks like, and how we use this to reconstruct and verify our results. Since there are an infinite number of possible images that perfectly explain our telescope measurements, we have to choose between them in some way. We do this by ranking the images based upon how likely they are to be the black hole image, and then choosing the one that's most likely.

So what do I mean by this exactly? Let's say we were trying to make a model that told us how likely an image were to appear on Facebook. We'd probably want the model to say it's pretty unlikely that someone would post this noise image on the left, and pretty likely that someone would post a selfie like this one on the right. The image in the middle is blurry, so even though it's more likely we'd see it on Facebook compared to the noise image, it's probably less likely we'd see it compared to the selfie.

But when it comes to images from the black hole, we're posed with a real conundrum: we've never seen a black hole before. In that case, what is a likely black hole image, and what should we assume about the structure of black holes? We could try to use images from simulations we've done, like the image of the black hole from "Interstellar," but if we did this, it could cause some serious problems. What would happen if Einstein's theories didn't hold? We'd still want to reconstruct an accurate picture of what was going on. If we bake Einstein's equations too much into our algorithms, we'll just end up seeing what we expect to see. In other words, we want to leave the option open for there being a giant elephant at the center of our galaxy.

(Laughter)

Different types of images have very distinct features. We can easily tell the difference between black hole simulation images and images we take every day here on Earth. We need a way to tell our algorithms what images look like without imposing one type of image's features too much. One way we can try to get around this is by imposing the features of different kinds of images and seeing how the type of image we assume affects our reconstructions. If all images' types produce a very similar-looking image, then we can start to become more confident that the image assumptions we're making are not biasing this picture that much.

This is a little bit like giving the same description to three different sketch artists from all around the world. If they all produce a very similar-looking face, then we can start to become confident that they're not imposing their own cultural biases on the drawings. One way we can try to impose different image features is by using pieces of existing images. So we take a large collection of images, and we break them down into their little image patches. We then can treat each image patch a little bit like pieces of a puzzle. And we use commonly seen puzzle pieces to piece together an image that also fits our telescope measurements.

Different types of images have very distinctive sets of puzzle pieces. So what happens when we take the same data but we use different sets of puzzle pieces to reconstruct the image? Let's first start with black hole image simulation puzzle pieces. OK, this looks reasonable. This looks like what we expect a black hole to look like. But did we just get it because we just fed it little pieces of black hole simulation images? Let's try another set of puzzle pieces from astronomical, non-black hole objects. OK, we get a similar-looking image. And then how about pieces from everyday images, like the images you take with your own personal camera? Great, we see the same image. When we get the same image from all different sets of puzzle pieces, then we can start to become more confident that the image assumptions we're making aren't biasing the final image we get too much.

Another thing we can do is take the same set of puzzle pieces, such as the ones derived from everyday images, and use them to reconstruct many different kinds of source images. So in our simulations, we pretend a black hole looks like astronomical non-black hole objects, as well as everyday images like the elephant in the center of our galaxy. When the results of our algorithms on the bottom look very similar to the simulation's truth image on top, then we can start to become more confident in our algorithms. And I really want to emphasize here that all of these pictures were created by piecing together little pieces of everyday photographs, like you'd take with your own personal camera. So an image of a black hole we've never seen before may eventually be created by piecing together pictures we see all the time of people, buildings, trees, cats and dogs. Imaging ideas like this will make it possible for us to take our very first pictures of a black hole, and hopefully, verify those famous theories on which scientists rely on a daily basis.

But of course, getting imaging ideas like this working would never have been possible without the amazing team of researchers that I have the privilege to work with. It still amazes me that although I began this project with no background in astrophysics, what we have achieved through this unique collaboration could result in the very first images of a black hole. But big projects like the Event Horizon Telescope are successful due to all the interdisciplinary expertise different people bring to the table. We're a melting pot of astronomers, physicists, mathematicians and engineers. This is what will make it soon possible to achieve something once thought impossible.

I'd like to encourage all of you to go out and help push the boundaries of science, even if it may at first seem as mysterious to you as a black hole.

Thank you.

(Applause)

映画『インターステラー』では 超大質量ブラックホールの姿を 間近に見ることができました 明るいガスを背景として ブラックホールの巨大な重力によって 光がリング状に曲げられています しかし これは実際の写真ではなく コンピュータグラフィックによるもので ブラックホールの姿についての イラストレーターによる想像図です

100年前に アインシュタインが 一般相対性理論を発表しました それ以来 科学者は この理論を裏付ける 様々な証拠を発見しています しかし この理論で予言された ブラックホールは まだ 直接は観測されていません ブラックホールの姿についてのアイデアは いくつかあるのですが まだ 実際の写真は 1枚も撮られていません しかし まもなく可能になるとすれば 皆さんは驚かれるでしょう この数年の間に ブラックホールを撮影した 初めての写真を見ることになるでしょう 最初の1枚の撮影は 世界中の科学者からなるチームと 地球サイズの望遠鏡と 1枚の写真に構成する アルゴリズムによるものです 今日 皆さんにブラックホールの写真を 実際にお見せできませんが その最初の1枚を撮るための舞台裏を ちらりとお見せします

私は ケイティ・バウマンと申します MITの大学院生で コンピュータサイエンス研究室で コンピュータに写真やビデオを認識させる 研究をしています 私が天文学者ではないのに この刺激的なプロジェクトに どのように貢献してきたかをお見せします

今夜 都会の明かりから逃れて郊外へ行けば 天の川銀河系の素晴らしい姿を 目にすることができるでしょう 何百万もの星を通り抜けて 2万6千光年先にある渦巻き銀河の中心を 拡大して見られれば 最後には 中心にある星の集団に たどり着くことでしょう 天文学者たちが 宇宙空間の塵に隠れて 見えにくいこれらの星を 赤外線望遠鏡で観測し始めてから 16年以上経ちます しかし 一番見たいものを見てはいません 銀河系の中心の星は 見えない物体の周りを 周回するように見えます この星々の軌道を追跡した結果 天文学者は この運動を引き起こすような サイズと質量の天体は 超大質量ブラックホールだけと結論づけました それは 密度がとても高いため 近づいたものを全て ― 光さえも 飲み込みます

もっと拡大して見たらどうなるでしょう? 定義からして見えるはずのない物を 見ることはできるでしょうか? 電波望遠鏡で観測すれば ブラックホールの周囲の高温プラズマが 重力で曲がることによってできる 光のリングを観測できるはずです つまり ブラックホールは この明るい物質を背景に影を作り 球状の暗闇を作りだすのです この明るい輪は ブラックホールの 事象の地平面と呼ばれ ここから先は あまりに重力が強いので 光でさえ逃れられなくなります アインシュタインの方程式で この輪の大きさと形が予測されます ですから その写真を撮ることは とてもかっこいいだけではなく アインシュタインの方程式が ブラックホール周辺の 極限状態でも成り立つかを 確認するのに役立ちます

しかし このブラックホールは 私たちの地球からとても遠いので この輪は信じられないほど 小さくしか見えません 月の表面にある1個のオレンジを 観測するのと同じ位に小さいのです ですから この輪の写真を撮るのは とてつもなく難しいのです どうしてでしょうか? その答えは 一つの単純な方程式によって示されます 回折という現象のために 私たちが観測できる対象のサイズには 根本的に限界があります その方程式によれば 小さいものを見ようとすればするほど 望遠鏡を大きくしなければならないのです しかし 地球上の最大の光学望遠鏡でさえ 月の表面の写真を撮るのに 必要な解像度に近づくことさえできません これは現時点での最高の解像度で撮影された 地球から見た月の写真です この写真は約1万3千画素ですが 1画素に 150万個以上のオレンジが 収まってしまいます

月面にある1個のオレンジを さらに あのブラックホールを観測するには どんな大きさの望遠鏡が必要なのでしょうか? まじめに計算してみると 地球と同じ大きさの望遠鏡が必要であることが 簡単に分かります

(笑)

もし地球サイズの望遠鏡を建設できれば ブラックホールの事象の地平面を示す 特別な光の輪を見分け始められるのです この写真は コンピュータグラフィックほど 詳細ではありませんが これによって 初めて ブラックホールの周辺の状況を 確実に 一目見ることができます

しかし ご想像の通り 地球と同じ大きさの一枚の反射鏡で 望遠鏡を造ることは不可能です でもミック・ジャガーも歌っているように 「欲しいものがいつも手に入るわけではない でも 何度もトライすれば 必要なものは 手にいれられるだろう」 そして 世界中の望遠鏡を繋ごうという 「事象の地平面望遠鏡」という 国際プロジェクトでは 地球サイズの望遠鏡を コンピュータの力で実現し ブラックホールの事象の地平面を 捉えられる解像度に達しようとしています 2017年には この望遠鏡ネットワークを使って 最初のブラックホール写真の撮影を 計画しています この計画では 世界規模で繋いだ望遠鏡を連動させます 原子時計による精密なタイミングで同期させ 各々の観測点では 研究者のチームが 光を全部捉えて 数千兆バイトのデータを収集します それから このデータは ここマサチューセッツの天文台で処理されます

仕組みをもう少し説明します 私たちの銀河系の中心にある ブラックホールを観測したいなら 有り得ないほど大きい地球サイズの 望遠鏡が必要ですよね でも一旦 地球サイズの望遠鏡が 造れるとしましょう 地球を巨大な回転するミラーボールだと 考えてみましょう 各々の鏡が光を集め 1つにまとめられて1枚の写真となります ここで ほとんどの鏡は無くして ほんの少しだけ残しましょう まだ これらの情報を まとめることはできますが 今回は 多くの穴があります この残った鏡が 望遠鏡のある観測点を示しています 1枚の写真にするには 信じられないほど 少ない観測データです 望遠鏡が設置されている数少ない場所でしか 光を集めることはできませんが 地球が自転するので 別の観測データを得られます つまり ミラーボールが回転すると 鏡は場所を変えるので 像の別の部分を観測することができます 開発中の画像処理アルゴリズムによって ミラーボールの欠けている部分を埋めて そこに隠されているブラックホールの 像を再現します もし 地表の全面に望遠鏡を設置できたとして つまり ミラーボールが完璧ならば この作業は難しくはありません しかし 手に入れられるのは わずかな観測データだけなので 望遠鏡によるわずかな観測データと 完全に一致する 像は無限に存在します しかし 全ての画像が同等ではありません 私たちがブラックホールだと考える姿に 他のものよりも近い画像があります 最初のブラックホールの写真を撮るために 私が担当をしているのは 望遠鏡の観測データに合致する 最も合理的な画像を見つけるための アルゴリズムを開発することです

似顔絵捜査官がわずかな特徴の情報から 顔の構造についての知識を用いて 1枚の絵を描きあげるのと同じように 私が開発中の画像処理アルゴリズムを使って 限られた観測データを 宇宙にある天体としてふさわしい 1枚の絵にまとめます このアルゴリズムを使うと このまばらでノイズだらけのデータを 写真へとまとめあげられるのです では 天の川銀河系の中心にあるブラックホールに 望遠鏡を向けたとする シミュレーションのデータを使った 再構成の例をお見せします これはシミュレーションに過ぎませんが このように再構成できることで まもなく 初のブラックホールの 写真を確実に撮影し その輪の大きさを決められるという 希望を持てます このアルゴリズムの詳細を全て お話ししたいのはやまやまなのですが 皆さんには幸いなことに 十分な時間がありませんが

宇宙の見え方を決定する方法や アルゴリズムを 再構成や結果の確認に使う方法を ざっと紹介します さて 望遠鏡の観測データに 完全に合う画像は 無限にあり得るので 何らかの方法で その中から選び出さなくてはなりません ブラックホールの像に近い 度合いに応じて これらの画像をランク付けして 最も適切な1枚を選びだします

もう少し分かりやすくして フェイスブックに ある写真が ありそうかどうかを 決めるモデルを考えましょう このモデルを使った場合 左のノイズだらけの写真が投稿された 可能性はほとんどなく 右の自撮り写真が投稿された可能性が かなり高いという 結果を期待します 真ん中の写真はぼやけていて フェイスブック上に 左のノイズの写真よりは 見られそうですが 自撮り写真と比べると可能性は低そうです

ブラックホールの写真となると これは難問です なぜなら私たちは ブラックホールを見たことがないからです この場合 ブラックホールの 像らしいのはどれで その構造として仮定すべきなのは どれでしょうか? 「インターステラー」のブラックホールの イメージのような シミュレーションは使えるでしょう しかし そうすると重大な問題が起きます もし アインシュタインの理論が 成立しなかったらどうなるのでしょうか? 私たちは 今起こっていることの 正確な写真を再構成したいのです もし 私たちのアルゴリズムに アインシュタインの理論を反映させすぎれば 予想した通りのものを 見ることになってしまいます つまり 銀河の中心には 大きな象がいるという可能性を 残しておきたいのです

(笑)

異なるタイプの画像は 全く別個の特徴を持ちます ブラックホールのシミュレーションの画像と 地球上で日常的に撮る写真の 違いは明らかです そこで 特定のタイプの特徴を 強調しすぎていない画像はどのようなものか アルゴリズムに教えてやらなければなりません その方法の1つは 各種ある中から ある画像タイプの特徴を強調して用い それが再構成に どのように反映されるかを調べる方法です もし それぞれの画像タイプ全てから 同じような画像が得られれば 出来上がった画像が 私たちが設定した仮定から 大きな影響を受けていないだろうという 確信を強める方向です

このことは 世界のあちこちから集められた 3人の似顔絵描きに 同じ情報を提供するのに少し似ています もし 3人ともが 非常に似た顔を描けば 出来上がった絵が 各々の文化の影響を受けていないという 確信を強める方向です 色々な画像タイプが持つ特徴を 反映させるには 既にある画像の部分を使う方法があります 画像を大量に集めて 小さな画像のかけらに分解します そうすると 一つ一つの画像のかけらを パズルのピースのように使えます そのよくあるパズルピースを使って 望遠鏡の観測データに合致する画像を まとめあげます

異なるタイプの画像からは 違った特徴のピースセットが得られます 同じ観測データに基づいて 異なるピースセットを使い 画像を再構成すると どのようになるのでしょうか? ブラックホールのシミュレーションから 取ったピースを使いましょう まあ 妥当ですね これは私たちが思うブラックホールの姿と 似ています でも こうなったのは ブラックホールのシミュレーションの ピースを使ったからでしょうか? では 別のセットを使いましょう 今度は ブラックホールではない 天体からのものです いいですね よく似ています 最後に 自分のカメラで撮影したような 日常の写真から作った パズルピースではどうでしょう? やりました 同じ写真が出来ました 異なるパズルピースのセット全てから 同じ画像が出来上がれば 最後に得られた画像が 私たちが設定をした仮定から 大きな影響を受けていないと 確信を持てるようになり始めます

もう1つの方法は ある1つのパズルピースのセットー 例えば日常の写真から得られたセットを使って 色々な種類の画像を再構成する方法です シミュレーションでは ブラックホールが それ以外の天体と 似ているという仮定だけではなく 同様に象のような日常の写真と似た形が 銀河系の中心にあることも仮定します 図の下にある アルゴリズムを使ってできた画像が 図の上の本当の写真とよく似ていれば このアルゴリズムの確信を強める方向です 皆さんにお伝えしておきたいことは この全ての画像には 皆さんがご自分のカメラで撮った 日常の写真からのピースが使われたことです 私たちが見たこともない ブラックホールの写真は 人々や建物 木 犬 それから猫のような いつも見ているような写真を まとめあげれば 最終的にできるでしょう このような画像処理の考え方によって ブラックホールの最初の写真を撮り さらには 科学者たちが常に根拠としている 有名な理論を裏付けることができるでしょう

もちろん このような画像処理のアイデアは 光栄なことに私が一緒に働ける 素晴らしい研究者のチームなしには 不可能でした 素晴らしいことに 私はこの仕事を始めた時には 天文学の素養がありませんでしたが この他に類をみない共同研究を通じて 最初のブラックホールの画像に 至ることができるかもしれません この「事象の地平面望遠鏡」のような 大規模な共同研究は 様々な人が学際的な専門知識を持ち寄ることで 成功へと繋がります 私たちのチームは 天文学者と物理学者 数学者と技術者のるつぼです かつては不可能と考えられていたことが もうすぐ可能になります

皆さんにも 外に出て 科学の限界を広げるのを 手伝っていただきたいのです たとえそれがブラックホールのように 初めは不可思議に見えても

ありがとうございました

(拍手)

― もっと見る ―
― 折りたたむ ―

品詞分類

  • 主語
  • 動詞
  • 助動詞
  • 準動詞
  • 関係詞等

関連動画