Lỗ đen là một trong những vật thể hấp dẫn nhất trong vũ trụ của chúng ta và được cho là nắm giữ chìa khóa cho một số bí ẩn quan trọng nhất trong thiên văn học hiện đại. Thật không may, chúng ta vẫn gặp rất nhiều khó khăn trong việc nghiên cứu chúng một cách thỏa đáng; vì theo định nghĩa, chúng không thể được quan sát trực tiếp, các chuyên gia phải sử dụng thông tin gián tiếp thường khó diễn giải.
Gần đây, một nhóm các nhà thiên văn học quốc tế do đó đã lựa chọn một cách tiếp cận khác: đào tạo một mạng lưới nơ-ron nhân tạo với hàng triệu mô phỏng lỗ đen để hiểu rõ hơn về hành vi của chúng.
Công trình này phần lớn dựa trên dữ liệu do Kính viễn vọng chân trời sự kiện (EHT) thu thập. Đây là một mạng lưới lớn gồm các kính viễn vọng vô tuyến chuyên dụng được thiết kế để chụp ảnh hình bóng của các lỗ đen siêu lớn nằm ở trung tâm của các thiên hà. Nó đã đóng góp cho nhiều dự án mang tính đột phá, bao gồm những hình ảnh trực tiếp đầu tiên về các hố đen siêu lớn trong thiên hà M87 và Ngân Hà (hay chính xác hơn là các đĩa vật chất siêu nóng bao quanh chân trời sự kiện).
Lịch sử: Đây là bức ảnh đầu tiên về hố đen của Ngân Hà!
Những hình ảnh này đã gây chấn động lớn trong cộng đồng khoa học. Chúng chứa một lượng lớn thông tin mới và cực kỳ có giá trị giúp các nhà thiên văn học hiểu được hành vi của những quái vật vũ trụ này.
Nhưng mặc dù ấn tượng như vậy, những hình ảnh này chỉ đại diện cho phần nổi của tảng băng chìm khổng lồ về dữ liệu dày đặc, phong phú và rất khó diễn giải.
Vấn đề là các ứng dụng AI này yêu cầu một lượng dữ liệu khổng lồ để tạo ra các kết quả có thể sử dụng được. Ngay cả khối lượng thông tin khổng lồ do EHT thu thập cũng phần lớn là không đủ trong bối cảnh này. Để đào tạo mô hình của họ, các tác giả nghiên cứu đã chọn cung cấp cho nó dữ liệu tổng hợp—các mô hình mô phỏng cho thấy các lỗ đen mà EHT nhìn thấy có thể trông như thế nào bằng cách thay đổi các thông số khác nhau như độ quay, hướng hoặc các đặc tính từ trường.
Phương pháp này giải quyết vấn đề về số lượng dữ liệu — nhưng nó cũng nảy sinh một vấn đề khác, không phải là vấn đề nhỏ. Vì chúng ta đang xử lý dữ liệu tổng hợp, làm thế nào chúng ta có thể đảm bảo rằng chúng phản ánh chính xác thực tế? Chúng ta có thực sự tin tưởng vào kết quả hay không, ngay cả khi các mô phỏng này dựa trên các nguyên lý vật lý đã được kiểm tra nghiêm ngặt trong nhiều thập kỷ?
Để giảm sự không chắc chắn vốn có trong phương pháp này, các tác giả đã chọn sử dụng một loại mô hình cụ thể, được gọi là Bayesian. Thuật ngữ này đề cập đến một mạng nơ-ron, thay vì tạo ra một dự đoán cố định duy nhất, đưa ra toàn bộ phạm vi các kết quả có thể xảy ra, mỗi kết quả có một xác suất. Do đó, họ có thể phân loại giữa các mô phỏng nhất quán nhất và các mô phỏng quá xa vời để có thể sử dụng được. Cách tiếp cận này cho phép mạng nơ-ron tiết lộ các liên kết tồn tại giữa dữ liệu quan sát được và hành vi của lỗ đen, do đó liên kết lý thuyết với các quan sát.
Kết quả chứa một số thông tin rất thú vị. Ví dụ, mô hình dường như xác nhận rằng Sagittarius A* quay với tốc độ rất cao, gần với giới hạn lý thuyết đối với loại thiên thể này. Giả thuyết này đã được nhiều nhóm vật lý đưa ra. Nhưng công trình này hiện cho thấy rằng, trong số nhiều khả năng mô phỏng, sự quay cực nhanh này là khả năng khớp nhất về mặt thống kê với dữ liệu thực.
Nhưng trên hết, mô hình cũng đưa ra một số dự đoán, không giống như dự đoán được trích dẫn ở trên, hoàn toàn trái ngược với các lý thuyết phổ biến nhất hiện nay.
Ví dụ, nó chỉ ra rằng bức xạ gần hố đen không phải do luồng vật chất phát ra từ hố đen mà là do chuyển động của các electron cực nóng quay quanh hố đen. Hơn nữa, có vẻ như từ trường bao quanh đĩa bồi tụ—đĩa vật liệu siêu nóng bao quanh chân trời sự kiện—hoạt động khác với các lý thuyết thông thường.
“Việc thách thức lý thuyết đang thịnh hành theo cách này thật thú vị”, Michael Janssen, tác giả chính của nghiên cứu, cho biết.
Để đạt được điều này, Janssen và nhóm của ông đặc biệt trông cậy vào Kính viễn vọng Milimet Châu Phi, một kính viễn vọng vô tuyến mới hiện đang được xây dựng tại Namibia, sẽ sớm củng cố khả năng quan sát của EHT. "Chúng tôi sẽ thu thập được thông tin tốt hơn nữa để xác thực thuyết tương đối tổng quát đối với các vật thể siêu lớn nhỏ gọn với độ chính xác cao", nhà vật lý thiên văn nhiệt tình nói.
Do đó, điều quan trọng là phải tiếp tục theo dõi chặt chẽ công việc của EHT; chắc chắn nó sẽ tiếp tục cung cấp cho chúng ta thông tin hấp dẫn về các vật thể này, đóng vai trò quyết định trong động lực học tổng thể của vũ trụ.
Gần đây, một nhóm các nhà thiên văn học quốc tế do đó đã lựa chọn một cách tiếp cận khác: đào tạo một mạng lưới nơ-ron nhân tạo với hàng triệu mô phỏng lỗ đen để hiểu rõ hơn về hành vi của chúng.
Công trình này phần lớn dựa trên dữ liệu do Kính viễn vọng chân trời sự kiện (EHT) thu thập. Đây là một mạng lưới lớn gồm các kính viễn vọng vô tuyến chuyên dụng được thiết kế để chụp ảnh hình bóng của các lỗ đen siêu lớn nằm ở trung tâm của các thiên hà. Nó đã đóng góp cho nhiều dự án mang tính đột phá, bao gồm những hình ảnh trực tiếp đầu tiên về các hố đen siêu lớn trong thiên hà M87 và Ngân Hà (hay chính xác hơn là các đĩa vật chất siêu nóng bao quanh chân trời sự kiện).
Lịch sử: Đây là bức ảnh đầu tiên về hố đen của Ngân Hà!
Những hình ảnh này đã gây chấn động lớn trong cộng đồng khoa học. Chúng chứa một lượng lớn thông tin mới và cực kỳ có giá trị giúp các nhà thiên văn học hiểu được hành vi của những quái vật vũ trụ này.
Nhưng mặc dù ấn tượng như vậy, những hình ảnh này chỉ đại diện cho phần nổi của tảng băng chìm khổng lồ về dữ liệu dày đặc, phong phú và rất khó diễn giải.
Học máy để giải cứu
Để trích xuất càng nhiều thông tin càng tốt, các nhà nghiên cứu đã chọn chuyển sang học máy, một công nghệ đặc biệt hiệu quả khi xử lý các tập dữ liệu khổng lồ, phức tạp.Vấn đề là các ứng dụng AI này yêu cầu một lượng dữ liệu khổng lồ để tạo ra các kết quả có thể sử dụng được. Ngay cả khối lượng thông tin khổng lồ do EHT thu thập cũng phần lớn là không đủ trong bối cảnh này. Để đào tạo mô hình của họ, các tác giả nghiên cứu đã chọn cung cấp cho nó dữ liệu tổng hợp—các mô hình mô phỏng cho thấy các lỗ đen mà EHT nhìn thấy có thể trông như thế nào bằng cách thay đổi các thông số khác nhau như độ quay, hướng hoặc các đặc tính từ trường.
Phương pháp này giải quyết vấn đề về số lượng dữ liệu — nhưng nó cũng nảy sinh một vấn đề khác, không phải là vấn đề nhỏ. Vì chúng ta đang xử lý dữ liệu tổng hợp, làm thế nào chúng ta có thể đảm bảo rằng chúng phản ánh chính xác thực tế? Chúng ta có thực sự tin tưởng vào kết quả hay không, ngay cả khi các mô phỏng này dựa trên các nguyên lý vật lý đã được kiểm tra nghiêm ngặt trong nhiều thập kỷ?
Để giảm sự không chắc chắn vốn có trong phương pháp này, các tác giả đã chọn sử dụng một loại mô hình cụ thể, được gọi là Bayesian. Thuật ngữ này đề cập đến một mạng nơ-ron, thay vì tạo ra một dự đoán cố định duy nhất, đưa ra toàn bộ phạm vi các kết quả có thể xảy ra, mỗi kết quả có một xác suất. Do đó, họ có thể phân loại giữa các mô phỏng nhất quán nhất và các mô phỏng quá xa vời để có thể sử dụng được. Cách tiếp cận này cho phép mạng nơ-ron tiết lộ các liên kết tồn tại giữa dữ liệu quan sát được và hành vi của lỗ đen, do đó liên kết lý thuyết với các quan sát.
Kết quả hấp dẫn và đôi khi gây khó chịu
Cuối quá trình, các nhà nghiên cứu đã có thể cung cấp dữ liệu quan sát thực tế do EHT thu thập cho mô hình đã được đào tạo này. Đổi lại, dữ liệu này cho phép họ đưa ra một số dự đoán rất thú vị về động lực học của Sagittarius A*, hố đen ở trung tâm của Ngân Hà.Kết quả chứa một số thông tin rất thú vị. Ví dụ, mô hình dường như xác nhận rằng Sagittarius A* quay với tốc độ rất cao, gần với giới hạn lý thuyết đối với loại thiên thể này. Giả thuyết này đã được nhiều nhóm vật lý đưa ra. Nhưng công trình này hiện cho thấy rằng, trong số nhiều khả năng mô phỏng, sự quay cực nhanh này là khả năng khớp nhất về mặt thống kê với dữ liệu thực.
Nhưng trên hết, mô hình cũng đưa ra một số dự đoán, không giống như dự đoán được trích dẫn ở trên, hoàn toàn trái ngược với các lý thuyết phổ biến nhất hiện nay.
Ví dụ, nó chỉ ra rằng bức xạ gần hố đen không phải do luồng vật chất phát ra từ hố đen mà là do chuyển động của các electron cực nóng quay quanh hố đen. Hơn nữa, có vẻ như từ trường bao quanh đĩa bồi tụ—đĩa vật liệu siêu nóng bao quanh chân trời sự kiện—hoạt động khác với các lý thuyết thông thường.
“Việc thách thức lý thuyết đang thịnh hành theo cách này thật thú vị”, Michael Janssen, tác giả chính của nghiên cứu, cho biết.
Mô phỏng sẽ không bao giờ thay thế được quan sát.
Tuy nhiên, ông nhấn mạnh rằng đây chỉ là bước đầu tiên. Như thường lệ với công việc dựa trên mô phỏng, vẫn còn một lượng không chắc chắn đáng kể cần phải giảm bớt bằng cách cải thiện các mô hình và thu thập thêm dữ liệu thực tế.Để đạt được điều này, Janssen và nhóm của ông đặc biệt trông cậy vào Kính viễn vọng Milimet Châu Phi, một kính viễn vọng vô tuyến mới hiện đang được xây dựng tại Namibia, sẽ sớm củng cố khả năng quan sát của EHT. "Chúng tôi sẽ thu thập được thông tin tốt hơn nữa để xác thực thuyết tương đối tổng quát đối với các vật thể siêu lớn nhỏ gọn với độ chính xác cao", nhà vật lý thiên văn nhiệt tình nói.
Do đó, điều quan trọng là phải tiếp tục theo dõi chặt chẽ công việc của EHT; chắc chắn nó sẽ tiếp tục cung cấp cho chúng ta thông tin hấp dẫn về các vật thể này, đóng vai trò quyết định trong động lực học tổng thể của vũ trụ.
