En AI trænet på kattebilleder genskabte det første billede af et sort hul, og ringen holdt

Det mest berømte billede af et sort hul har bestået en blindtest. Et lille hold hos CSIRO, Australiens nationale videnskabsagentur, byggede et billedbehandlingsprogram, der lærte, hvordan billeder ser ud, ud fra fotos af katte, hunde og biler, rettede det mod de rå Event Horizon Telescope-data bag det første billede af et sort hul og fik den samme lysende ring tilbage.

Det betyder noget, fordi ringen havde en udfordrer. En rivaliserende reanalyse hævdede, at donuten set omkring det gigantiske sorte hul i hjertet af en nærliggende galakse kunne være en artefakt af, hvordan dataene blev behandlet, og at det virkelige objekt kunne være en aflang lysplet. Det nye arbejde, offentliggjort i Nature, finder ringen i alle de højkvalitetsdata, det undersøgte, og dens størrelse peger på et sort hul, der er milliarder af gange tungere end Solen, i overensstemmelse med uafhængige estimater.

“Vigtigt nok havde vores model ingen anelse om, hvordan et sort hul så ud, da vi anvendte den på M87-dataene,” sagde hovedforfatter Samuel Lai, astronom hos CSIRO. “Dette er den første virkelig uafhængige validering af EHT-billedet, et vigtigt skridt i den videnskabelige proces.”

Hvorfor et billede af et sort hul kan diskuteres

M87* befinder sig omkring 55 millioner lysår væk, og dens skygge dækker en så lille himmelplet, at Lai sammenligner opgaven med “at stå i sin baghave og forsøge at tage et billede af en donut på Månen.” Ingen enkelt parabol kan gøre det. Event Horizon Telescope forbinder radioobservatorier i Chile, Mexico, Hawaii, Arizona, Spanien og andre steder, så hele Jorden fungerer som ét teleskop.

Det virtuelle teleskop er for det meste tomt rum. Hvert par af paraboler sampler kun et tyndt spor af den information, der er nødvendig for et billede, og hver station tilføjer fejl fra sin elektronik og fra den turbulente luft over den. Software skal udfylde hullerne, og de valg, der træffes i den software, kan påvirke det endelige billede.

Det oprindelige samarbejde vidste dette og kørte fire billedbehandlingshold parallelt, blinde for hinanden. Alle fire fandt en ring, men de var uenige om fine detaljer som, hvor den er mest lysstærk. Derefter genbehandlede en japansk gruppe ledet af Makoto Miyoshi de offentlige data med en klassisk teknik og rapporterede, at hvis analysen tillod et bredere udsnit af himlen, passede en enkelt aflang lysplet bedre end en ring. Striden handlede om antagelser, og antagelser er præcis, hvad en uafhængig test skal fjerne.

Sådan gjorde de det

CSIRO-holdet angreb begge svage punkter på én gang. For det første dataene. Standardtilgangen kombinerer målinger fra par af teleskoper, som bærer hver stations kalibreringsfejl sammen med signalet. Holdet brugte i stedet ‘closure invariants’, størrelser opbygget fra tre teleskoper ad gangen, hvor disse fejl udligner hinanden. “Vores teknik kombinerer tripletter i stedet for de standardpar af teleskopdata for at eliminere disse fejl,” sagde projektleder Nithyanandan Thyagarajan.

For det andet softwaren. Holdet byggede et generativt AI-system kaldet GenDIReCT, i ånden lig værktøjer, der omdanner tekst til billeder, men styret af closure invariants i stedet for en skriftlig prompt. Det lærte, hvordan rigtige billeder ser ud, fra et standardbibliotek af hverdagsfotos plus simple former som skiver og ringe. For at sikre, at disse ringe ikke påvirkede svaret, genoptrænede forskerne det uden geometriske former og fandt ingen mærkbar forskel.

Før det så nogen M87*-data, skulle programmet bestå tests på syntetiske data og på virkelige observationer af andre galakser, hvor det gengav offentliggjorte billeder af kvasaren 3C 279 med 98 % lighed og af radiogalaksen Centaurus A med 91 %. Derefter frøs holdet modellen, så ingen kunne justere den efter at have set svaret. Den arbejdede igennem otte nætters offentlige data fra tre observationssæsoner, hver med tre himmelvinduer, og producerede omkring 300 kandidatbilleder per datasæt. Som en krydskontrol, der intet skyldte maskinlæring, tilpassede holdet også de samme tripletdata med en konventionel statistisk model af en ring.

Hvad ringen fortæller os

Hvert datasæt med god teleskopdækning producerede en kompakt ring på omkring 42 mikrobuesekunder på tværs, uanset størrelsen af himmelvinduet. Denne stabilitet er det direkte svar til den rivaliserende analyse, som kun fandt sin lysplet, når vinduet blev stort. CSIRO-holdet argumenterer for, at den tidligere effekt højst sandsynligt stammer fra en nat med sparsom dækning og lavere datakvalitet. Maskinlæringsbillederne gav 42,2 mikrobuesekunder og den konventionelle tilpasning 42,3, hvilket stemmer overens inden for fejlbjælkerne. At opløse så fine detaljer, bemærker artiklen, er som at udpege bredden af et menneskehår fra mere end 1.000 kilometers afstand.

Ud fra den størrelse estimerer holdet en masse på 6,5 milliarder solmasser, plus/minus 0,5 milliarder. Det ligger næsten præcist på et uafhængigt estimat fra stjernernes bevægelser i galaksen, omkring 6,6 milliarder solmasser, og langt væk fra et estimat baseret på gasbevægelser, omkring 3,5 milliarder, som ville have produceret en ring omtrent halvt så bred. Sagittarius A*, det sorte hul i centrum af Mælkevejen, vejer omkring 4 millioner solmasser, så M87* er mere end tusind gange tungere.

Billederne antyder også, at vi ser det sorte hul næsten fra oven, omkring 20 grader fra dets jetstråle, tæt på de 17 grader målt fra jetstrålen selv. Den lyseste del af ringen skifter mellem sæsoner, hvilket forfatterne tilskriver turbulent gas, der falder ind i det sorte hul, snarere end metoden.

Hvad det ikke afgør

Den nye analyse er uafhængig i metode, ikke i data. Den genbruger de samme offentlige Event Horizon Telescope-målinger, så den kan ikke udelukke et problem indbygget i de rå optagelser; den viser, at ringen ikke er et produkt af de oprindelige holds behandlingsvalg.

Nogle træk forbliver bløde. Ringens tykkelse, lysstyrken i dens centrum og hvor skæv den ser ud, ændrede sig alle mellem metoder og mellem nætter, og forfatterne siger, at disse sandsynligvis ikke afspejler den sande kilde. En nat, da et nøgleteleskop i Mexico manglede, gav de mest tvetydige resultater.

Massen er mindre fast, end overskriftstallet antyder. At omregne en ringstørrelse til en masse afhænger af en kalibreringsfaktor hentet fra computersimulationer, og hele spændvidden af den faktor flytter estimatet mellem 6,0 og 6,7 milliarder solmasser. Billederne kan ikke fastslå, hvor hurtigt det sorte hul roterer, selvom de favoriserer en vis rotation. Og holdet advarer om, at et godt fit til dataene er nødvendigt, men ikke tilstrækkeligt bevis for, at et billede er korrekt, da der ikke er noget grundsandhedsbillede af M87* at kontrollere imod.

Almindelige spørgsmål om M87*-billedet af det sorte hul

Er det første billede af et sort hul ægte?

Ja, ifølge denne uafhængige kontrol. Et hold uden for den oprindelige analyse, der brugte en anden måde at kombinere dataene på og en AI, der aldrig havde set et sort hul, genskabte en ring af samme størrelse og orientering. Fine detaljer som ringens tykkelse varierer stadig mellem metoder.

Hvordan fotograferer man et sort hul?

Man fotograferer den varme gas omkring det. Lys fra den gas bøjes omkring det sorte hul og danner en lysende ring omkring en mørk skygge. For at se en så lille skygge kombinerer Event Horizon Telescope radioparaboler over hele planeten, så de fungerer som ét teleskop så bredt som Jorden.

Hvor stort er M87*-sorte hul?

Den nye analyse sætter dens masse til omkring 6,5 milliarder gange Solens, mere end tusind gange tungere end det sorte hul i centrum af vores galakse. Dens ring spænder over omkring 42 mikrobuesekunder på himlen, alt for lille til, at noget enkelt teleskop kan opløse.

Hvad kommer næste gang

Dataene spænder over fire nætter i april 2017, to i april 2018, da Grønlandsteleskopet sluttede sig til arrayet, og to i april 2021. Det originale M87*-billede blev afsløret den 10. april 2019, og udfordringen fra Miyoshis hold dukkede op i 2022 og 2024. CSIRO-forskerne siger, at deres frosne model første gang kørte på M87*-dataene den 4. december 2025, og artiklen dukkede op online den 11. november 2026, med dens rekonstruktioner og kode offentliggjort.

Forfatterne forventer, at planlagte observationer med James Webb Space Telescopes NIRSpec-instrument vil kortlægge gas- og stjernebevægelser i kernen af M87 og stramme massen. Thyagarajan siger, at tripletteknikken også kunne hjælpe felter, der syr mange sensorer sammen til ét kort, fra medicinsk billeddannelse til sporing af jordskælv. En større pris venter længere ude: teleskoper i rummet kunne opløse den tynde fotonring inde i skyggen og dermed endelig måle, hvor hurtigt M87* roterer.

Kilde: Lai et al., “Independent interferometric observable confirms black hole shadow in M87*,” Nature, 2026. DOI: 10.1038/s41586-026-11241-9

Tags: kunstig intelligens, astronomi, sorte huller, CSIRO, Event Horizon Telescope, M87