TEDxBeaconStreet
Katie Bouman: How to take a picture of a black hole
케이티 보우만 (Katie Bouman): 블랙홀을 촬영하는 방법
Filmed:
Readability: 4.5
5,455,257 views
은하수 중심에 존재하는 거대한 블랙홀은 뜨거운 가스 덩어리를 뿜어내고 빛을 포함한 근처의 모든 것을 집어 삼키고 있습니다. 관찰할 수는 없지만, 이 이벤트는 그림자를 드리우고 그 그림자는 우주에 대한 해답을 가지고 있습니다. 과거의 과학자들은 지구 크기의 망원경만 있어야 관찰이 가능하다고 했지만, 케이티 보우만과 그의 연구팀은 기발한 방법을 발견하였습니다. 궁극적인 암흑물질에 대한 얘기를 들어 봅시다.
Katie Bouman - Imaging scientist
Katie Bouman is part of an international team of astronomers that's creating the world's largest telescope to take the very first picture of a black hole. Full bio
Katie Bouman is part of an international team of astronomers that's creating the world's largest telescope to take the very first picture of a black hole. Full bio
Double-click the English transcript below to play the video.
00:13
In the movie "Interstellar,"
0
1436
1860
영화 '인터스텔라'에서
00:15
we get an up-close look
at a supermassive black hole.
at a supermassive black hole.
1
3320
3327
우리는 초대형 블랙홀을
가까이서 볼 수 있습니다.
가까이서 볼 수 있습니다.
00:18
Set against a backdrop of bright gas,
2
6671
2143
밝은 가스를 배경으로
00:20
the black hole's massive
gravitational pull
gravitational pull
3
8838
2118
블랙홀의 엄청난 중력은
00:22
bends light into a ring.
4
10980
1435
빛을 고리 모양으로 휘어지게 합니다.
00:24
However, this isn't a real photograph,
5
12439
2109
하지만, 이것은 실제 사진이 아닙니다.
예술적 해석을 가미하여
00:26
but a computer graphic rendering --
6
14572
1786
'블랙홀이 이렇게 생겼을 것이다'라고
컴퓨터 그래픽으로 표현한 것이죠.
컴퓨터 그래픽으로 표현한 것이죠.
00:28
an artistic interpretation
of what a black hole might look like.
of what a black hole might look like.
7
16382
3390
00:32
A hundred years ago,
8
20401
1166
100여년 전에
00:33
Albert Einstein first published
his theory of general relativity.
his theory of general relativity.
9
21591
3601
알버트 아인슈타인은 그의 이론인
'일반상대성이론'을 처음 출판하였습니다.
'일반상대성이론'을 처음 출판하였습니다.
그 이후로
00:37
In the years since then,
10
25216
1439
과학자들은 일반상대성이론을 뒷받침하기
위한 증거들을 제시하고 있습니다.
위한 증거들을 제시하고 있습니다.
00:38
scientists have provided
a lot of evidence in support of it.
a lot of evidence in support of it.
11
26679
2973
하지만 이 이론을 증명하는 단 하나
00:41
But one thing predicted
from this theory, black holes,
from this theory, black holes,
12
29676
3084
블랙홀은 직접 관찰된 적이 없습니다.
00:44
still have not been directly observed.
13
32784
2350
비록 블랙홀의 생김새에 대한 여러
아이디어는 제시되었지만,
아이디어는 제시되었지만,
00:47
Although we have some idea
as to what a black hole might look like,
as to what a black hole might look like,
14
35158
3206
우리는 한번도 블랙홀을
직접 찍어본 적이 없습니다.
직접 찍어본 적이 없습니다.
00:50
we've never actually taken
a picture of one before.
a picture of one before.
15
38388
2779
하지만 여러분들은 아마 이것이
곧 바뀔 것이라는 점에 놀랄 겁니다.
곧 바뀔 것이라는 점에 놀랄 겁니다.
00:53
However, you might be surprised to know
that that may soon change.
that that may soon change.
16
41191
4279
우리는 몇 년 사이 찍힌 최초의
블랙홀의 모습을 볼 수 있을 것입니다.
블랙홀의 모습을 볼 수 있을 것입니다.
00:57
We may be seeing our first picture
of a black hole in the next couple years.
of a black hole in the next couple years.
17
45494
4164
첫 번째 블랙홀 사진은
지구만한 망원경과
지구만한 망원경과
01:01
Getting this first picture will come down
to an international team of scientists,
to an international team of scientists,
18
49682
3958
01:05
an Earth-sized telescope
19
53664
1567
사진들을 합치는 알고리즘을 이용하여
01:07
and an algorithm that puts together
the final picture.
the final picture.
20
55255
2832
여러 국가의 과학자들이
찍게 될 것이죠.
찍게 될 것이죠.
실제 블랙홀을 보여드릴 수는 없지만
01:10
Although I won't be able to show you
a real picture of a black hole today,
a real picture of a black hole today,
21
58111
3528
최초의 사진을 찍기 위한 노력들에 대한
01:13
I'd like to give you a brief glimpse
into the effort involved
into the effort involved
22
61663
2911
간단한 소개를 해드리고자 합니다.
01:16
in getting that first picture.
23
64598
1613
01:19
My name is Katie Bouman,
24
67477
1437
제 이름은 케이티 보먼이고
01:20
and I'm a PhD student at MIT.
25
68938
2566
MIT의 박사과정을 밟고 있습니다.
저는 컴퓨터를 통해 비디오나 사진을
볼 수 있게 일을 하는
볼 수 있게 일을 하는
01:23
I do research in a computer science lab
26
71528
2027
컴퓨터 연구실에 있습니다.
01:25
that works on making computers
see through images and video.
see through images and video.
27
73579
3298
비록 저는 천문학자가 아니지만
01:28
But although I'm not an astronomer,
28
76901
2162
오늘 이자리에서 저는
01:31
today I'd like to show you
29
79087
1285
제가 이 프로젝트에 어떻게 참여하는지
말씀드리고자 합니다.
말씀드리고자 합니다.
01:32
how I've been able to contribute
to this exciting project.
to this exciting project.
30
80396
2903
만약 오늘밤 도시의
밝은 빛들을 지나쳐가면,
밝은 빛들을 지나쳐가면,
01:35
If you go out past
the bright city lights tonight,
the bright city lights tonight,
31
83323
2831
여러분들은 굉장히 아름다운 은하수를
01:38
you may just be lucky enough
to see a stunning view
to see a stunning view
32
86178
2436
볼 수 있는 행운을 얻을 것입니다.
01:40
of the Milky Way Galaxy.
33
88638
1493
그리고 만약 수십만개의
별들을 확대해서 볼 수 있다면,
별들을 확대해서 볼 수 있다면,
01:42
And if you could zoom past
millions of stars,
millions of stars,
34
90155
2462
운하의 중심부로부터
2만 6천광년이나 떨어진 은하수를 지나
2만 6천광년이나 떨어진 은하수를 지나
01:44
26,000 light-years toward the heart
of the spiraling Milky Way,
of the spiraling Milky Way,
35
92641
3755
중심부 위치한 별무리를
보게 될 것입니다.
보게 될 것입니다.
01:48
we'd eventually reach
a cluster of stars right at the center.
a cluster of stars right at the center.
36
96420
3521
우주먼지들을 피하기 위한
적외선 망원경을 이용해서
적외선 망원경을 이용해서
01:51
Peering past all the galactic dust
with infrared telescopes,
with infrared telescopes,
37
99965
3206
천문학자들은 이 별들을
16년 넘게 관찰해왔습니다.
16년 넘게 관찰해왔습니다.
01:55
astronomers have watched these stars
for over 16 years.
for over 16 years.
38
103195
3867
하지만 진면목은 보이지 않습니다.
01:59
But it's what they don't see
that is the most spectacular.
that is the most spectacular.
39
107086
3589
이 별들은 보이지 않는 무언가의
주위를 멤돌고 있는 듯 합니다.
주위를 멤돌고 있는 듯 합니다.
02:02
These stars seem to orbit
an invisible object.
an invisible object.
40
110699
3066
이 별들의 궤도를 추적한 결과,
02:05
By tracking the paths of these stars,
41
113789
2323
천문학자들은 결론을 내렸죠.
02:08
astronomers have concluded
42
116136
1294
이러한 움직임을 만들 수 있는
충분히 작고 무거운 물질은
충분히 작고 무거운 물질은
02:09
that the only thing small and heavy
enough to cause this motion
enough to cause this motion
43
117454
3129
밀도가 아주 높아 주위의
모든 것을 빨아들이는
모든 것을 빨아들이는
블랙홀 뿐이라는 것입니다.
02:12
is a supermassive black hole --
44
120607
1968
블랙홀이 빨아들이는 것은
빛 또한 예외일 수 없습니다
빛 또한 예외일 수 없습니다
02:14
an object so dense that it sucks up
anything that ventures too close --
anything that ventures too close --
45
122599
4178
더 확대해 본다면 어떨까요?
02:18
even light.
46
126801
1494
02:20
But what happens if we were
to zoom in even further?
to zoom in even further?
47
128319
3061
사진상 보이지 않는 것들을
볼 수 있게 될까요?
볼 수 있게 될까요?
02:23
Is it possible to see something
that, by definition, is impossible to see?
that, by definition, is impossible to see?
48
131404
4733
02:28
Well, it turns out that if we were
to zoom in at radio wavelengths,
to zoom in at radio wavelengths,
49
136719
3244
라디오 파장을 확대한다면
블랙홀 주위에
02:31
we'd expect to see a ring of light
50
139987
1682
고온의 플라스마가
중력을 가하는 렌즈가 생겨서
중력을 가하는 렌즈가 생겨서
02:33
caused by the gravitational
lensing of hot plasma
lensing of hot plasma
51
141693
2411
02:36
zipping around the black hole.
52
144128
1829
빛의 고리가 생길 것을
기대할 수 있습니다.
기대할 수 있습니다.
즉
02:37
In other words,
53
145981
1160
이 블랙홀은 밝은 물질을
배경으로 그림자를 생성하여
배경으로 그림자를 생성하여
02:39
the black hole casts a shadow
on this backdrop of bright material,
on this backdrop of bright material,
54
147165
3171
어둠의 영역을 조각해냅니다.
02:42
carving out a sphere of darkness.
55
150360
1842
이 밝은 고리의 중력이 매우 강해져서
02:44
This bright ring reveals
the black hole's event horizon,
the black hole's event horizon,
56
152226
3339
빛 또한 벗어날 수 없는
02:47
where the gravitational pull
becomes so great
becomes so great
57
155589
2400
02:50
that not even light can escape.
58
158013
1626
블랙홀의 지평선을 드러내게 됩니다.
02:51
Einstein's equations predict
the size and shape of this ring,
the size and shape of this ring,
59
159663
2859
아인슈타인의 방정식은 이 고리의
크기와 모양을 예측하므로,
크기와 모양을 예측하므로,
02:54
so taking a picture of it
wouldn't only be really cool,
wouldn't only be really cool,
60
162546
3208
이 사진을 찍는 것은
근사할 뿐만이 아니라
근사할 뿐만이 아니라
이 방정식이 블랙홀
주변의 극한의 상태에서도
주변의 극한의 상태에서도
02:57
it would also help to verify
that these equations hold
that these equations hold
61
165778
2618
유지된다는 점을 입증합니다.
03:00
in the extreme conditions
around the black hole.
around the black hole.
62
168420
2466
하지만, 이 블랙홀이 너무 멀기에
03:02
However, this black hole
is so far away from us,
is so far away from us,
63
170910
2558
03:05
that from Earth, this ring appears
incredibly small --
incredibly small --
64
173492
3098
겨우 달의 오렌지만하게 보이는 고리는
매우 작게 보여질 뿐입니다.
03:08
the same size to us as an orange
on the surface of the moon.
on the surface of the moon.
65
176614
3590
03:12
That makes taking a picture of it
extremely difficult.
extremely difficult.
66
180758
2824
따라서 사진에 담는것이 매우 어렵죠.
03:16
Why is that?
67
184645
1302
왜일까요?
03:18
Well, it all comes down
to a simple equation.
to a simple equation.
68
186512
3188
그건 간단한 방정식 때문이죠.
'회절'이라는 현상에 때문에
03:21
Due to a phenomenon called diffraction,
69
189724
2416
볼 수도 있는 작은 물체들이
03:24
there are fundamental limits
70
192164
1355
근본적인 한계에 부딫히게 됩니다.
03:25
to the smallest objects
that we can possibly see.
that we can possibly see.
71
193543
2670
03:28
This governing equation says
that in order to see smaller and smaller,
that in order to see smaller and smaller,
72
196789
3672
이 방정식에 따르면,
작은 물질을 보려면
작은 물질을 보려면
망원경을 더 크게
만들어야 한다고 합니다.
만들어야 한다고 합니다.
03:32
we need to make our telescope
bigger and bigger.
bigger and bigger.
73
200485
2587
하지만 지구 가장 강력한 광학 망원경도
03:35
But even with the most powerful
optical telescopes here on Earth,
optical telescopes here on Earth,
74
203096
3069
03:38
we can't even get close
to the resolution necessary
to the resolution necessary
75
206189
2419
달 표면의 영상 촬영에 필요한
03:40
to image on the surface of the moon.
76
208632
2198
해상도를 구현해내지 못합니다.
최상의 해상도로 달을 담은 사진을
03:42
In fact, here I show one of the highest
resolution images ever taken
resolution images ever taken
77
210854
3617
03:46
of the moon from Earth.
78
214495
1397
보여드리겠습니다.
03:47
It contains roughly 13,000 pixels,
79
215916
2557
13,000개의 픽셀을 담은 사진 속
각각의 픽셀은 150만 개 이상의
오렌지를 포함합니다.
오렌지를 포함합니다.
03:50
and yet each pixel would contain
over 1.5 million oranges.
over 1.5 million oranges.
80
218497
4050
03:55
So how big of a telescope do we need
81
223396
1972
달 표면의 오렌지를 보기 위해서
03:57
in order to see an orange
on the surface of the moon
on the surface of the moon
82
225392
2765
아니면 블랙홀을 보기 위해서는
얼마나 큰 망원경이 필요할까요?
04:00
and, by extension, our black hole?
83
228181
2214
숫자를 적어 계산을 하면
04:02
Well, it turns out
that by crunching the numbers,
that by crunching the numbers,
84
230419
2340
지구 전체 크기의 망원경이
04:04
you can easily calculate
that we would need a telescope
that we would need a telescope
85
232783
2610
필요하다느 걸 알 수 있죠.
04:07
the size of the entire Earth.
86
235417
1393
(웃음)
04:08
(Laughter)
87
236834
1024
만일 지구 크기의
망원경을 만들게 된다면
망원경을 만들게 된다면
04:09
If we could build
this Earth-sized telescope,
this Earth-sized telescope,
88
237882
2119
블랙홀의 사건의 지평선을 나타내는
04:12
we could just start to make out
that distinctive ring of light
that distinctive ring of light
89
240025
2925
독특한 빛의 고리를 보게 되겠죠.
04:14
indicative of the black
hole's event horizon.
hole's event horizon.
90
242974
2183
이 사진은 자세하지 않지만,
04:17
Although this picture wouldn't contain
all the detail we see
all the detail we see
91
245181
2918
컴퓨터 그래픽 해석을 통해
04:20
in computer graphic renderings,
92
248123
1506
블랙홀 주변의 환경을
04:21
it would allow us to safely get
our first glimpse
our first glimpse
93
249653
2299
안전하게 볼 수 있도록 해줄 것입니다.
04:23
of the immediate environment
around a black hole.
around a black hole.
94
251976
2487
하지만 여러분이 상상하시는 것과 같이
04:26
However, as you can imagine,
95
254487
1613
지구 크기의 단일 접시 망원경을
만드는 것은 불가능합니다.
만드는 것은 불가능합니다.
04:28
building a single-dish telescope
the size of the Earth is impossible.
the size of the Earth is impossible.
96
256124
3624
하지만 믹 제거는 이렇게 말합니다,
04:31
But in the famous words of Mick Jagger,
97
259772
1887
04:33
"You can't always get what you want,
98
261683
1791
"원하는 것을 항상 가질 수는 없지만
시도를 한다면 원하는 것을
04:35
but if you try sometimes,
you just might find
you just might find
99
263498
2187
찾고 가질 수 있을 것이다".
04:37
you get what you need."
100
265709
1215
그리고 전세계에 망원경을 연결하는
04:38
And by connecting telescopes
from around the world,
from around the world,
101
266948
2464
국제적인 공동 작업인
"Event Horizon Telescope"는
"Event Horizon Telescope"는
04:41
an international collaboration
called the Event Horizon Telescope
called the Event Horizon Telescope
102
269436
3538
사건의 지평선의 규모에서
04:44
is creating a computational telescope
the size of the Earth,
the size of the Earth,
103
272998
3109
구조를 해결할 수 있는
지구 규모의 전산 망원경을
만들고 있습니다.
만들고 있습니다.
04:48
capable of resolving structure
104
276131
1537
04:49
on the scale of a black
hole's event horizon.
hole's event horizon.
105
277692
2199
첫 사진은 내년에 찍게 될 예정입니다.
04:51
This network of telescopes is scheduled
to take its very first picture
to take its very first picture
106
279915
3387
전 세계 네트워크 통신망을 통해
04:55
of a black hole next year.
107
283326
1815
망원경의 공동 작업이 이루어집니다.
04:57
Each telescope in the worldwide
network works together.
network works together.
108
285165
3338
정확한 시간을 통해 연결되고
05:00
Linked through the precise timing
of atomic clocks,
of atomic clocks,
109
288527
2712
연구소끼리 수천 테라바이트 데이터를
수집함으로써 빛을 동결시킵니다.
수집함으로써 빛을 동결시킵니다.
05:03
teams of researchers at each
of the sights freeze light
of the sights freeze light
110
291263
2657
05:05
by collecting thousands
of terabytes of data.
of terabytes of data.
111
293944
2962
그 데이터는 이후 바로 이 곳,
메사추세츠의 실험실에서 다뤄집니다.
메사추세츠의 실험실에서 다뤄집니다.
05:08
This data is then processed in a lab
right here in Massachusetts.
right here in Massachusetts.
112
296930
5017
그래서 이러한 작업이
어떻게 해서 이루어질까요?
어떻게 해서 이루어질까요?
05:13
So how does this even work?
113
301971
1794
만약 우리가 우리은하계의 중심에서
블랙홀을 보고 싶다면,
블랙홀을 보고 싶다면,
05:15
Remember if we want to see the black hole
in the center of our galaxy,
in the center of our galaxy,
114
303789
3403
지구 크기의 망원경이 필요하다는
얘기를 했던 것을 기억하십니까?
얘기를 했던 것을 기억하십니까?
05:19
we need to build this impossibly large
Earth-sized telescope?
Earth-sized telescope?
115
307216
2982
잠시 동안 우리가
지구 크기만한 망원경을
지구 크기만한 망원경을
05:22
For just a second,
let's pretend we could build
let's pretend we could build
116
310222
2232
05:24
a telescope the size of the Earth.
117
312478
1842
만들 수 있다고 가정해 봅시다.
이는 지구를 하나의 회전하는 거대한
05:26
This would be a little bit
like turning the Earth
like turning the Earth
118
314344
2455
미러볼로 바꾸어 생각할 수 있습니다.
05:28
into a giant spinning disco ball.
119
316823
1747
각각의 거울은 빛을 모아주고
05:30
Each individual mirror would collect light
120
318594
2200
하나의 이미지를 만들기 위해
빛을 한군데로 모으죠.
빛을 한군데로 모으죠.
05:32
that we could then combine
together to make a picture.
together to make a picture.
121
320818
2597
만약 이들 대부분이 사라지고
05:35
However, now let's say
we remove most of those mirrors
we remove most of those mirrors
122
323439
2661
05:38
so only a few remained.
123
326124
1972
아주 적은 양만 남았다고 해보겠습니다.
우리는 이 정보들을
합치기 위해 노력중이지만,
합치기 위해 노력중이지만,
05:40
We could still try to combine
this information together,
this information together,
124
328120
2877
많은 양의 공백이 있습니다.
05:43
but now there are a lot of holes.
125
331021
1993
망원경이 설치된 장소가 그렇겠죠.
05:45
These remaining mirrors represent
the locations where we have telescopes.
the locations where we have telescopes.
126
333038
4373
그런데 그건 미미한 수치일 뿐입니다.
05:49
This is an incredibly small number
of measurements to make a picture from.
of measurements to make a picture from.
127
337435
4079
망원경 설치 장소에서
05:53
But although we only collect light
at a few telescope locations,
at a few telescope locations,
128
341538
3838
지구가 자전하면
새로운 측정이 가능하죠.
새로운 측정이 가능하죠.
05:57
as the Earth rotates, we get to see
other new measurements.
other new measurements.
129
345400
3423
다시 말해, 미러볼이 회전할 때
거울의 위치가 바뀌게 되면서
거울의 위치가 바뀌게 되면서
06:00
In other words, as the disco ball spins,
those mirrors change locations
those mirrors change locations
130
348847
3819
이미지의 다른 부분을
관찰할 수 있습니다.
관찰할 수 있습니다.
06:04
and we get to observe
different parts of the image.
different parts of the image.
131
352690
2899
우리가 개발한 영상 알고리즘이
미러볼의 빈 공간을 채우게 되는데
미러볼의 빈 공간을 채우게 되는데
06:07
The imaging algorithms we develop
fill in the missing gaps of the disco ball
fill in the missing gaps of the disco ball
132
355613
4018
밑에 있는 블랙홀 이미지를
복원하기 위해서입니다.
복원하기 위해서입니다.
06:11
in order to reconstruct
the underlying black hole image.
the underlying black hole image.
133
359655
3033
만약 우리가 전세계 모든 곳에
망원경을 설치했다면
망원경을 설치했다면
06:14
If we had telescopes located
everywhere on the globe --
everywhere on the globe --
134
362712
2636
즉 미러볼에 비유하자면
06:17
in other words, the entire disco ball --
135
365372
1941
이것은 중요하지 않습니다.
06:19
this would be trivial.
136
367337
1284
하지만 적은 양의 샘플로는
06:20
However, we only see a few samples,
and for that reason,
and for that reason,
137
368645
3322
만들어질 수 있는 사진이
너무 다양합니다.
너무 다양합니다.
06:23
there are an infinite number
of possible images
of possible images
138
371991
2388
06:26
that are perfectly consistent
with our telescope measurements.
with our telescope measurements.
139
374403
2964
그 이미지는 망원경으로
측정한 것과 완벽하게 일치합니다.
측정한 것과 완벽하게 일치합니다.
그러나, 모든 이미지가
똑같지는 않습니다.
똑같지는 않습니다.
06:29
However, not all images are created equal.
140
377391
3016
06:32
Some of those images look more like
what we think of as images than others.
what we think of as images than others.
141
380849
4458
이 이미지의 일부는 다른 것보다
우리가 생각하는 이미지와 일치합니다.
우리가 생각하는 이미지와 일치합니다.
그래서, 블랙홀의 첫 이미지를
알아내기 위한 제 역할은
알아내기 위한 제 역할은
06:37
And so, my role in helping to take
the first image of a black hole
the first image of a black hole
142
385331
3222
가장 합리적인 이미지를 만들어
알고리즘을 설계하는 것입니다.
알고리즘을 설계하는 것입니다.
06:40
is to design algorithms that find
the most reasonable image
the most reasonable image
143
388577
2932
또한 이 알고리즘은 망원경
측정치에도 부합해야 합니다.
측정치에도 부합해야 합니다.
06:43
that also fits the telescope measurements.
144
391533
2222
06:46
Just as a forensic sketch artist
uses limited descriptions
uses limited descriptions
145
394727
3942
법의학 스케치 예술가가 자신의
얼굴구조에 대한 상식을 이용해
얼굴구조에 대한 상식을 이용해
제한적인 서술을 통해
그림을 완셩해가는 것처럼
그림을 완셩해가는 것처럼
06:50
to piece together a picture using
their knowledge of face structure,
their knowledge of face structure,
146
398693
3514
제가 개발한 영상 알고리즘은
우리 우주의 것처럼 보이는 이미지로
우리 우주의 것처럼 보이는 이미지로
06:54
the imaging algorithms I develop
use our limited telescope data
use our limited telescope data
147
402231
3315
06:57
to guide us to a picture that also
looks like stuff in our universe.
looks like stuff in our universe.
148
405570
4322
우리를 안내하기 위해
제한적인 망원경 데이터를 사용합니다.
제한적인 망원경 데이터를 사용합니다.
07:01
Using these algorithms,
we're able to piece together pictures
we're able to piece together pictures
149
409916
3651
이 알고리즘을 사용하면서,
희박하고 번거로운 데이터로부터
희박하고 번거로운 데이터로부터
이미지를 만들어갈 수 있게 됩니다.
07:05
from this sparse, noisy data.
150
413591
2180
여기 우리가 망원경을 통해
07:07
So here I show a sample reconstruction
done using simulated data,
done using simulated data,
151
415795
4529
우리은하계 중심에 있는
블랙홀을 보려 할 때
블랙홀을 보려 할 때
07:12
when we pretend to point our telescopes
152
420348
1933
시뮬레이션된 데이터를 사용하여
재구성된 샘플이 있습니다.
재구성된 샘플이 있습니다.
07:14
to the black hole
in the center of our galaxy.
in the center of our galaxy.
153
422305
2585
비록 시뮬레이션에 지나지 않지만,
이것과 같은 재구성은
이것과 같은 재구성은
07:16
Although this is just a simulation,
reconstruction such as this give us hope
reconstruction such as this give us hope
154
424914
4455
우리에게 얼마 지나지 않아
블랙홀의 첫 이미지와
블랙홀의 첫 이미지와
07:21
that we'll soon be able to reliably take
the first image of a black hole
the first image of a black hole
155
429393
3453
고리의 크기를 알아낼 수
있다는 희망을 줍니다.
있다는 희망을 줍니다.
07:24
and from it, determine
the size of its ring.
the size of its ring.
156
432870
2595
07:28
Although I'd love to go on
about all the details of this algorithm,
about all the details of this algorithm,
157
436118
3199
전 이 알고리즘의 세부사항에 대해
계속 알아내 보고 싶지만
계속 알아내 보고 싶지만
다행히도, 여러분께 제가
설명드릴수 있는 시간이 없습니다.
설명드릴수 있는 시간이 없습니다.
07:31
luckily for you, I don't have the time.
158
439341
2174
그러나, 간단하게나마 여러분께
아이디어를 드리고자 합니다.
아이디어를 드리고자 합니다.
07:33
But I'd still like
to give you a brief idea
to give you a brief idea
159
441539
2001
07:35
of how we define
what our universe looks like,
what our universe looks like,
160
443564
2302
우리가 어떻게 우리은하계의
모양을 밝혀낼 수 있었는지
모양을 밝혀낼 수 있었는지
그리고 어떻게 이것을 저희 결과에
입증시키고 재구성하는지에 대해서요.
입증시키고 재구성하는지에 대해서요.
07:37
and how we use this to reconstruct
and verify our results.
and verify our results.
161
445890
4466
망원경을 통한 측정결과를
완벽하게 설명할 수 있는
완벽하게 설명할 수 있는
07:42
Since there are an infinite number
of possible images
of possible images
162
450380
2496
이미지의 숫자가 무한하기 때문에
07:44
that perfectly explain
our telescope measurements,
our telescope measurements,
163
452900
2365
우리는 이 이미지들을 어떠한
방식으로든 나누어 선택해야 합니다.
방식으로든 나누어 선택해야 합니다.
07:47
we have to choose
between them in some way.
between them in some way.
164
455289
2605
블랙홀 이미지가 될 가능성에 따라
07:49
We do this by ranking the images
165
457918
1838
07:51
based upon how likely they are
to be the black hole image,
to be the black hole image,
166
459780
2834
순위를 매기고
가장 근접한 이미지 하나를 선택합니다.
07:54
and then choosing the one
that's most likely.
that's most likely.
167
462638
2482
그래서 이 말은
정확히 무슨 뜻일까요?
정확히 무슨 뜻일까요?
07:57
So what do I mean by this exactly?
168
465144
2195
07:59
Let's say we were trying to make a model
169
467862
1978
모델을 만든다고 가정해봅시다.
이 화면은 페이스북에서
이미지를 예상한 것입니다.
이미지를 예상한 것입니다.
08:01
that told us how likely an image
were to appear on Facebook.
were to appear on Facebook.
170
469864
3183
우리는 아마 왼쪽의 이상한 사진을
08:05
We'd probably want the model to say
171
473071
1701
08:06
it's pretty unlikely that someone
would post this noise image on the left,
would post this noise image on the left,
172
474796
3557
누군가가 게시할 가능성이
매우 낮을 것이라고 생각합니다.
매우 낮을 것이라고 생각합니다.
그리고 오른쪽의 셀카 사진을
08:10
and pretty likely that someone
would post a selfie
would post a selfie
173
478377
2419
게시할 가능성이 높다고 생각합니다.
08:12
like this one on the right.
174
480820
1334
중간에 있는 사진은 흐릿합니다.
08:14
The image in the middle is blurry,
175
482178
1639
이런 사진을 페이스북에서
볼 확률이 더 높겠지요
볼 확률이 더 높겠지요
08:15
so even though it's more likely
we'd see it on Facebook
we'd see it on Facebook
176
483841
2639
잡음 영상과 비교했을때 말입니다.
08:18
compared to the noise image,
177
486504
1360
하지만 자신을 찍어 올린 그림과
비교한다면 확률은 낮을 수 있습니다.
비교한다면 확률은 낮을 수 있습니다.
08:19
it's probably less likely we'd see it
compared to the selfie.
compared to the selfie.
178
487888
2960
그러나 블랙홀의 이미지로 넘어와서는
08:22
But when it comes to images
from the black hole,
from the black hole,
179
490872
2290
우리는 진정한 수수께끼에 처합니다
우리는 이전에 블랙홀을 본적이 없습니다.
우리는 이전에 블랙홀을 본적이 없습니다.
08:25
we're posed with a real conundrum:
we've never seen a black hole before.
we've never seen a black hole before.
180
493186
3502
이러한 상황에서, 무엇이
블랙홀 이미지에 가깝고
블랙홀 이미지에 가깝고
08:28
In that case, what is a likely
black hole image,
black hole image,
181
496712
2291
08:31
and what should we assume
about the structure of black holes?
about the structure of black holes?
182
499027
2938
블랙홀 구조에 관해
어떻게 생각해야 할까요?
어떻게 생각해야 할까요?
우리는 '인터스텔라'에 나오는
블랙홀의 이미지처럼
블랙홀의 이미지처럼
08:33
We could try to use images
from simulations we've done,
from simulations we've done,
183
501989
2632
우리가 완성시켜놓은 시뮬레이션으로부터
이미지를 가져올 수 있습니다
이미지를 가져올 수 있습니다
08:36
like the image of the black hole
from "Interstellar,"
from "Interstellar,"
184
504645
2530
그러나 우리가 이렇게 한다면,
상당히 심각한 문제를 야기할 수 있습니다
상당히 심각한 문제를 야기할 수 있습니다
08:39
but if we did this,
it could cause some serious problems.
it could cause some serious problems.
185
507199
2938
만약 아인슈타인의 이론이 유지되지
않았다면 무슨 일이 벌어졌을까요?
않았다면 무슨 일이 벌어졌을까요?
08:42
What would happen
if Einstein's theories didn't hold?
if Einstein's theories didn't hold?
186
510161
3380
우리는 아직까지 어떤 일이 벌어졌는지
정확한 그림을 재구성하고 있겠죠.
정확한 그림을 재구성하고 있겠죠.
08:45
We'd still want to reconstruct
an accurate picture of what was going on.
an accurate picture of what was going on.
187
513565
3961
아인슈타인의 방정식을 우리의
알고리즘에 너무 많이 적용시킨다면
알고리즘에 너무 많이 적용시킨다면
08:49
If we bake Einstein's equations
too much into our algorithms,
too much into our algorithms,
188
517550
3371
결국 예상되는 결과를 보는
상황에 처해질 것입니다.
상황에 처해질 것입니다.
08:52
we'll just end up seeing
what we expect to see.
what we expect to see.
189
520945
2755
즉, 우리는 많은 선택을
열어두고 싶습니다.
열어두고 싶습니다.
08:55
In other words,
we want to leave the option open
we want to leave the option open
190
523724
2276
왜냐하면 우리 은하계의 중심에는
하나의 거대한 코끼리가 있기 때문입니다.
하나의 거대한 코끼리가 있기 때문입니다.
08:58
for there being a giant elephant
at the center of our galaxy.
at the center of our galaxy.
191
526024
2923
(웃음)
09:00
(Laughter)
192
528971
1057
다른 유형의 이미지들은
서로 구별되는 특징들을 가집니다.
서로 구별되는 특징들을 가집니다.
09:02
Different types of images have
very distinct features.
very distinct features.
193
530052
2989
블랙홀 시물레이션 이미지와
지구에서 찍은 사진 사이에서
지구에서 찍은 사진 사이에서
09:05
We can easily tell the difference
between black hole simulation images
between black hole simulation images
194
533065
3548
쉽게 다른점을 찾는 것 처럼요.
09:08
and images we take
every day here on Earth.
every day here on Earth.
195
536637
2276
09:10
We need a way to tell our algorithms
what images look like
what images look like
196
538937
3104
우리는 한 유형의 사진 속 특징을
부각시키지 않으면서
부각시키지 않으면서
알고리즘을 설명할 수 있는
방법이 필요합니다.
방법이 필요합니다.
09:14
without imposing one type
of image's features too much.
of image's features too much.
197
542065
3249
이와 비슷하게 실행 가능한
방법 중 하나는
방법 중 하나는
09:17
One way we can try to get around this
198
545865
1893
09:19
is by imposing the features
of different kinds of images
of different kinds of images
199
547782
3062
서로 다른 유형의
이미지 특징을 내세우고
이미지 특징을 내세우고
예상된 유형의 이미지가 재구성에
어떤 영향을 미치는지 보는 것입니다.
어떤 영향을 미치는지 보는 것입니다.
09:22
and seeing how the type of image we assume
affects our reconstructions.
affects our reconstructions.
200
550868
4130
만약 모든 유형의 사진이
매우 유사해보이는 인상을 준다면
매우 유사해보이는 인상을 준다면
09:27
If all images' types produce
a very similar-looking image,
a very similar-looking image,
201
555712
3491
우리가 만들고 있는 이미지 추정결과가
이 사진에 편향되어 있지 않다는
이 사진에 편향되어 있지 않다는
09:31
then we can start to become more confident
202
559227
2057
09:33
that the image assumptions we're making
are not biasing this picture that much.
are not biasing this picture that much.
203
561308
4173
생각에 자신감을 가질 수
있게 될 것입니다.
있게 될 것입니다.
이는 전세계의 3명의 서로 다른
스케치 예술가들에게
스케치 예술가들에게
09:37
This is a little bit like
giving the same description
giving the same description
204
565505
2990
동일한 설명을 해준 것과 비슷합니다.
09:40
to three different sketch artists
from all around the world.
from all around the world.
205
568519
2996
만약 그들이 매우
비슷해 보이는 얼굴을 그려낸다면
비슷해 보이는 얼굴을 그려낸다면
09:43
If they all produce
a very similar-looking face,
a very similar-looking face,
206
571539
2860
그들이 고유의 문화적 편견을
그림에 담아내지 않았다고
그림에 담아내지 않았다고
09:46
then we can start to become confident
207
574423
1793
09:48
that they're not imposing their own
cultural biases on the drawings.
cultural biases on the drawings.
208
576240
3616
확신을 가져도 되는 것입니다.
09:51
One way we can try to impose
different image features
different image features
209
579880
3315
서로 다른 이미지의 특징점을
부각시킬 수 있는 방법은
부각시킬 수 있는 방법은
기존의 이미지 조각을
사용하는 것입니다.
사용하는 것입니다.
09:55
is by using pieces of existing images.
210
583219
2441
그래서 거대한 양의
사진 더미를 얻을 수 있고
사진 더미를 얻을 수 있고
09:58
So we take a large collection of images,
211
586214
2160
10:00
and we break them down
into their little image patches.
into their little image patches.
212
588398
2718
우리는 그것을 작은 이미지 조각으로
쪼갤 수 있게 됩니다.
쪼갤 수 있게 됩니다.
그 후 각각의 이미지 조각을
하나의 퍼즐처럼 취급할 수 있습니다.
하나의 퍼즐처럼 취급할 수 있습니다.
10:03
We then can treat each image patch
a little bit like pieces of a puzzle.
a little bit like pieces of a puzzle.
213
591140
4285
10:07
And we use commonly seen puzzle pieces
to piece together an image
to piece together an image
214
595449
4278
그리고 우리는 흔히 보이는 퍼즐처럼
하나의 이미지를 맞출 수 있게 되고
하나의 이미지를 맞출 수 있게 되고
망원경으로 측정한 것에도
똑같이 적용할 수 있죠.
똑같이 적용할 수 있죠.
10:11
that also fits our telescope measurements.
215
599751
2452
10:15
Different types of images have
very distinctive sets of puzzle pieces.
very distinctive sets of puzzle pieces.
216
603040
3743
다른 유형의 이미지는 매우
특징적인 퍼즐 조각을 가지고 있습니다.
특징적인 퍼즐 조각을 가지고 있습니다.
그렇다면 똑같은 데이터를 얻었으나
10:18
So what happens when we take the same data
217
606807
2806
이미지를 재구성하는데 다른 퍼즐조각을
쓰면 어떤 일이 벌어질까요?
쓰면 어떤 일이 벌어질까요?
10:21
but we use different sets of puzzle pieces
to reconstruct the image?
to reconstruct the image?
218
609637
4130
그럼 블랙홀 이미지 시물레이션
퍼즐 조각으로 시작해봅시다.
퍼즐 조각으로 시작해봅시다.
10:25
Let's first start with black hole
image simulation puzzle pieces.
image simulation puzzle pieces.
219
613791
4766
10:30
OK, this looks reasonable.
220
618581
1591
네, 상당히 괜찮군요.
10:32
This looks like what we expect
a black hole to look like.
a black hole to look like.
221
620196
2694
이 사진은 블랙홀이 어떻게 생겼는지
우리가 예상하는 것과 비슷합니다.
우리가 예상하는 것과 비슷합니다.
10:34
But did we just get it
222
622914
1193
그러나 우리는 단지 이것이
10:36
because we just fed it little pieces
of black hole simulation images?
of black hole simulation images?
223
624131
3314
소수의 블랙홀 이미지에
충족시킨다고 얻어낼 수 있었을까요?
충족시킨다고 얻어낼 수 있었을까요?
10:39
Let's try another set of puzzle pieces
224
627469
1880
그렇다면 천문학적이지만 블랙홀이 아닌
10:41
from astronomical, non-black hole objects.
225
629373
2509
물체의 퍼즐 조각으로 실험해봅시다.
10:44
OK, we get a similar-looking image.
226
632914
2126
상당히 비슷한 이미지를 얻어냈군요.
10:47
And then how about pieces
from everyday images,
from everyday images,
227
635064
2236
그런 다음 일상적인 사진들
10:49
like the images you take
with your own personal camera?
with your own personal camera?
228
637324
2785
예를 들어 당신의 개인 카메라로
촬영하는 것들과 비교해본다면 어떨까요?
촬영하는 것들과 비교해본다면 어떨까요?
10:53
Great, we see the same image.
229
641312
2115
아주 좋네요,
똑같은 사진을 볼 수 있습니다.
똑같은 사진을 볼 수 있습니다.
10:55
When we get the same image
from all different sets of puzzle pieces,
from all different sets of puzzle pieces,
230
643451
3366
모두 다른 퍼즐 조각 세트로부터
똑같은 이미지를 찾아낸다면
똑같은 이미지를 찾아낸다면
10:58
then we can start to become more confident
231
646841
2046
우리가 만들고 있는 이미지의 추정치가
11:00
that the image assumptions we're making
232
648911
1966
결과적 이미지에
영향을 받지 않았다는 것에
영향을 받지 않았다는 것에
11:02
aren't biasing the final
image we get too much.
image we get too much.
233
650901
2921
확신을 가질 수 있습니다.
11:05
Another thing we can do is take
the same set of puzzle pieces,
the same set of puzzle pieces,
234
653846
3253
시도해 볼 수 있는 다른 방법은,
똑같은 퍼즐 조각을 쓰는 것입니다.
똑같은 퍼즐 조각을 쓰는 것입니다.
11:09
such as the ones derived
from everyday images,
from everyday images,
235
657123
2489
일상사진에서 유래된 것처럼 말이죠.
11:11
and use them to reconstruct
many different kinds of source images.
many different kinds of source images.
236
659636
3600
많은 유형의 원본 이미지를
재구성할 수 있습니다.
재구성할 수 있습니다.
11:15
So in our simulations,
237
663260
1271
우리의 시물레이션에서는
11:16
we pretend a black hole looks like
astronomical non-black hole objects,
astronomical non-black hole objects,
238
664555
3775
블랙홀이 천문학적이지만
블랙홀이 아닌 물체라고 가정했습니다.
블랙홀이 아닌 물체라고 가정했습니다.
11:20
as well as everyday images like
the elephant in the center of our galaxy.
the elephant in the center of our galaxy.
239
668354
3849
우리은하계 중심에 있는 코끼리 같은
일상적인 사진처럼 말이죠.
일상적인 사진처럼 말이죠.
11:24
When the results of our algorithms
on the bottom look very similar
on the bottom look very similar
240
672227
3168
제일 밑에 보이는
우리 알고리즘의 결과가
우리 알고리즘의 결과가
위쪽에 있는 시물레이션의
진짜 이미지와 매우 비슷해 보일 때
진짜 이미지와 매우 비슷해 보일 때
11:27
to the simulation's truth image on top,
241
675419
2096
우리 알고리즘에 대한 확신을
가질 수 있습니다.
가질 수 있습니다.
11:29
then we can start to become
more confident in our algorithms.
more confident in our algorithms.
242
677539
3346
그리고 여기에서 여러분께
매우 강조하고 싶은 것이 있는데
매우 강조하고 싶은 것이 있는데
11:32
And I really want to emphasize here
243
680909
1867
여기 있는 모든 사진들은
11:34
that all of these pictures were created
244
682800
1934
자그마한 일상 사진들의 조각을
맞추어 만들어 낸것입니다.
맞추어 만들어 낸것입니다.
11:36
by piecing together little pieces
of everyday photographs,
of everyday photographs,
245
684758
2936
당신의 개인 카메라로
찍은 사진들도 마찬가지죠.
찍은 사진들도 마찬가지죠.
11:39
like you'd take with your own
personal camera.
personal camera.
246
687718
2215
그래서 우리가 여지껏 본 적 없는
블랙홀의 이미지도
블랙홀의 이미지도
11:41
So an image of a black hole
we've never seen before
we've never seen before
247
689957
3276
결국에는 사람, 건물,
나무, 고양이, 개와 같은
나무, 고양이, 개와 같은
11:45
may eventually be created by piecing
together pictures we see all the time
together pictures we see all the time
248
693257
3943
항상 볼 수 있는 사진들로
만들어 낼 수 있을 것입니다.
만들어 낼 수 있을 것입니다.
11:49
of people, buildings,
trees, cats and dogs.
trees, cats and dogs.
249
697224
2745
이런 아이디어를 상상한다는 것은
우리를 블랙홀 최초의 그림으로
우리를 블랙홀 최초의 그림으로
11:51
Imaging ideas like this
will make it possible for us
will make it possible for us
250
699993
2645
11:54
to take our very first pictures
of a black hole,
of a black hole,
251
702662
2619
데려다 줄 수 있을 겁니다.
11:57
and hopefully, verify
those famous theories
those famous theories
252
705305
2447
그리고 바라건대,
과학자들이 일상적으로 의존하는
과학자들이 일상적으로 의존하는
11:59
on which scientists rely on a daily basis.
253
707776
2421
저런 유명한 이론들을 검증하십시오.
그렇지만 당연하게도 이러한 일처럼
상상한 아이디어를 이루어내는 것은
상상한 아이디어를 이루어내는 것은
12:02
But of course, getting
imaging ideas like this working
imaging ideas like this working
254
710221
2608
12:04
would never have been possible
without the amazing team of researchers
without the amazing team of researchers
255
712853
3322
제가 지금 함께 일할 수 있는
영광을 누린 좋은 팀의 연구원 분들 없이는
영광을 누린 좋은 팀의 연구원 분들 없이는
절대 가능하지 않을 것입니다.
12:08
that I have the privilege to work with.
256
716199
1887
아직도 저는 천체물리학적
배경이 없는 제가
배경이 없는 제가
12:10
It still amazes me
257
718110
1163
12:11
that although I began this project
with no background in astrophysics,
with no background in astrophysics,
258
719297
3351
이 프로젝트를 시작했지만
이런 특별한 연구를 통해
12:14
what we have achieved
through this unique collaboration
through this unique collaboration
259
722672
2619
블랙홀 최초의 이미지를 만들 수
있었다는 것에 놀라곤 합니다.
있었다는 것에 놀라곤 합니다.
12:17
could result in the very first
images of a black hole.
images of a black hole.
260
725315
2759
Event Horizon Telescope 같은
엄청난 프로젝트는
엄청난 프로젝트는
12:20
But big projects like
the Event Horizon Telescope
the Event Horizon Telescope
261
728098
2698
12:22
are successful due to all
the interdisciplinary expertise
the interdisciplinary expertise
262
730820
2814
여러 학문 분야에서 서로에게
가져다주는 전문성 덕분에
가져다주는 전문성 덕분에
12:25
different people bring to the table.
263
733658
1790
성공적입니다.
우리는 천문학자
12:27
We're a melting pot of astronomers,
264
735472
1706
물리학자, 수학자, 그리고 엔지니어
분들이 섞여 있었습니다.
분들이 섞여 있었습니다.
12:29
physicists, mathematicians and engineers.
265
737202
2232
이것이 바로 언뜻 생각해 보았을 때
불가능해 보이는 것을
불가능해 보이는 것을
12:31
This is what will make it soon possible
266
739458
2554
12:34
to achieve something
once thought impossible.
once thought impossible.
267
742036
2853
이뤄낼 수 있었던 비결이 되었습니다.
전 여러분 모두에게 밖으로 나가서
12:36
I'd like to encourage all of you to go out
268
744913
2256
과학의 경계를 넓히도록
권하고 싶습니다.
권하고 싶습니다.
12:39
and help push the boundaries of science,
269
747193
2096
그게 비록 처음에는 블랙홀처럼
이해하기 쉽지 않더라도요.
이해하기 쉽지 않더라도요.
12:41
even if it may at first seem
as mysterious to you as a black hole.
as mysterious to you as a black hole.
270
749313
3901
감사합니다.
12:45
Thank you.
271
753238
1174
(박수)
12:46
(Applause)
272
754436
2397
ABOUT THE SPEAKER
Katie Bouman - Imaging scientistKatie Bouman is part of an international team of astronomers that's creating the world's largest telescope to take the very first picture of a black hole.
Why you should listen
It is believed that the heart of the Milky Way hosts a four-million-solar-mass black hole feeding off a spinning disk of hot gas. An image of the shadow cast by the event horizon of the black hole could help to address a number of important scientific questions. For instance, does Einstein's theory of general relativity hold in extreme conditions? Unfortunately, the event horizon of this black hole appears so small in the sky that imaging it would require a single-dish radio telescope the size of the entire Earth. Although a single-dish telescope this large is unrealizable, by connecting disjoint radio telescopes located all around the globe, Katie Bouman and a team of astronomers are creating an Earth-sized computational telescope -- the Event Horizon Telescope -- that is capable of taking the very first up-close picture of a black hole.
Bouman is a PhD candidate in the Computer Science and Artificial Intelligence Laboratory (CSAIL) at the Massachusetts Institute of Technology (MIT). The focus of her research is on using emerging computational methods to push the boundaries of interdisciplinary imaging. By combining techniques from both astronomy and computer science, Bouman has been working on developing innovative ways to combine the information from the Event Horizon Telescope network to produce the first picture of a black hole. Her work on imaging for the Event Horizon Telescope has been featured on BBC, The Boston Globe, The Washington Post, Popular Science and NPR.
Katie Bouman | Speaker | TED.com