TEDxBeaconStreet
Katie Bouman: How to take a picture of a black hole
Katie Bouman: Kaip nufotografuoti juodąją skylę
Filmed:
Readability: 4.5
5,455,257 views
Paukščių Tako centre yra gigantiška juodoji skylė, kurią maitina besisukantis karštų dujų diskas. Ji įtraukia viską, kas priartėja pernelyg arti – net šviesą. Juodosios skylės mes nematome, bet jos įvykių horizontas meta šešėlį, o to šešėlio atvaizdas padėtų atsakyti į keletą svarbių klausimų apie visatą. Mokslininkai manė, kad norint išgauti tokį atvaizdą reikėtų Žemės dydžio teleskopo – iki kol Katie Bouman ir astronomų komanda sugalvojo išmanią alternatyvą. Sužinokite daugiau apie tai, kaip galime matyti šioje visiškoje tamsoje.
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
Filme „Interstellar“
00:15
we get an up-close look
at a supermassive black hole.
at a supermassive black hole.
1
3320
3327
galime iš arti pažvelgti į
gigantišką juodąją skylę.
gigantišką juodąją skylę.
00:18
Set against a backdrop of bright gas,
2
6671
2143
Ryškių dujų fone
00:20
the black hole's massive
gravitational pull
gravitational pull
3
8838
2118
juodosios skylės gravitacinė trauka
00:22
bends light into a ring.
4
10980
1435
sulenkia šviesą į žiedą.
00:24
However, this isn't a real photograph,
5
12439
2109
Vis dėlto, tai ne tikra nuotrauka,
00:26
but a computer graphic rendering --
6
14572
1786
o kompiuterinis atvaizdavimas.
00:28
an artistic interpretation
of what a black hole might look like.
of what a black hole might look like.
7
16382
3390
Tai – meninė interpretacija to,
kaip galėtų atrodyti juodoji skylė.
kaip galėtų atrodyti juodoji skylė.
00:32
A hundred years ago,
8
20401
1166
Prieš šimtą metų
00:33
Albert Einstein first published
his theory of general relativity.
his theory of general relativity.
9
21591
3601
Albertas Einšteinas pirmasis paskelbė savo
bendrąją reliatyvumo teoriją.
bendrąją reliatyvumo teoriją.
00:37
In the years since then,
10
25216
1439
Nuo to laiko
00:38
scientists have provided
a lot of evidence in support of it.
a lot of evidence in support of it.
11
26679
2973
mokslininkai pateikė daug
įrodymų jai pagrįsti.
įrodymų jai pagrįsti.
00:41
But one thing predicted
from this theory, black holes,
from this theory, black holes,
12
29676
3084
Tačiau viena šios teorijos prognozė –
juodosios skylės –
juodosios skylės –
00:44
still have not been directly observed.
13
32784
2350
vis dar nebuvo tiesiogiai pastebėta.
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
Nors mes galime įsivaizduoti,
kaip juodoji skylė galėtų atrodyti,
kaip juodoji skylė galėtų atrodyti,
00:50
we've never actually taken
a picture of one before.
a picture of one before.
15
38388
2779
iš tikrųjų niekada nesame
jos nufotografavę.
jos nufotografavę.
00:53
However, you might be surprised to know
that that may soon change.
that that may soon change.
16
41191
4279
Tačiau nustebsite sužinoję, kad
netrukus tai gali pasikeisti.
netrukus tai gali pasikeisti.
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
Po kelių metų galime pamatyti
pirmąją juodosios skylės nuotrauką.
pirmąją juodosios skylės nuotrauką.
01:01
Getting this first picture will come down
to an international team of scientists,
to an international team of scientists,
18
49682
3958
Šios nuotraukos sėkmė priklausys nuo
tarptautinės mokslininkų komandos,
tarptautinės mokslininkų komandos,
01:05
an Earth-sized telescope
19
53664
1567
Žemės dydžio teleskopo
01:07
and an algorithm that puts together
the final picture.
the final picture.
20
55255
2832
ir algoritmo, kuris sudės
galutinį atvaizdą.
galutinį atvaizdą.
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
Nors šiandien negalėsiu parodyti
tikros juodosios skylės nuotraukos,
tikros juodosios skylės nuotraukos,
01:13
I'd like to give you a brief glimpse
into the effort involved
into the effort involved
22
61663
2911
pasistengsiu sudaryti jums įspūdį
apie dedamas pastangas
apie dedamas pastangas
01:16
in getting that first picture.
23
64598
1613
tam pirmajam atvaizdui padaryti.
01:19
My name is Katie Bouman,
24
67477
1437
Mano vardas yra Katie Bouman,
01:20
and I'm a PhD student at MIT.
25
68938
2566
esu doktorantė MIT universitete. Atlieku
01:23
I do research in a computer science lab
26
71528
2027
tyrimus informatikos laboratorijoje, kuri
01:25
that works on making computers
see through images and video.
see through images and video.
27
73579
3298
siekia, kad kompiuteriai
galėtų analizuoti atvaizdus ir
galėtų analizuoti atvaizdus ir
ir vaizdo įrašus. Nors ir nesu astronomė,
01:28
But although I'm not an astronomer,
28
76901
2162
01:31
today I'd like to show you
29
79087
1285
norėčiau jums parodyti,
01:32
how I've been able to contribute
to this exciting project.
to this exciting project.
30
80396
2903
kaip man pavyksta prisidėti prie
šio nuostabaus projekto.
šio nuostabaus projekto.
01:35
If you go out past
the bright city lights tonight,
the bright city lights tonight,
31
83323
2831
Jei eisite pasivaikščioti
anapus ryškių miesto šviesų,
anapus ryškių miesto šviesų,
01:38
you may just be lucky enough
to see a stunning view
to see a stunning view
32
86178
2436
jums gali nusišypsoti laimė
pamatyti stulbinantį
pamatyti stulbinantį
01:40
of the Milky Way Galaxy.
33
88638
1493
Paukščių Tako galaktikos vaizdą.
01:42
And if you could zoom past
millions of stars,
millions of stars,
34
90155
2462
Ir jei galėtumėte prašvilpti
pro milijonus žvaigždžių,
pro milijonus žvaigždžių,
01:44
26,000 light-years toward the heart
of the spiraling Milky Way,
of the spiraling Milky Way,
35
92641
3755
26 000 šviesmečių link besisukančio
Paukščių Tako centro,
Paukščių Tako centro,
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
galiausiai pasiektumėte
žvaigždžių spiečių pačiame centre.
žvaigždžių spiečių pačiame centre.
01:51
Peering past all the galactic dust
with infrared telescopes,
with infrared telescopes,
37
99965
3206
Žvelgdami pro galaktines dulkes
infraraudonųjų spindulių teleskopais,
infraraudonųjų spindulių teleskopais,
01:55
astronomers have watched these stars
for over 16 years.
for over 16 years.
38
103195
3867
astronomai stebėjo šias žvaigždes
daugiau nei 16 metų.
daugiau nei 16 metų.
01:59
But it's what they don't see
that is the most spectacular.
that is the most spectacular.
39
107086
3589
Bet labiausiai įspūdinga yra
tai, ko jie nemato.
tai, ko jie nemato.
02:02
These stars seem to orbit
an invisible object.
an invisible object.
40
110699
3066
Atrodo, kad šios žvaigždės skrieja
apie nematomą objektą.
apie nematomą objektą.
02:05
By tracking the paths of these stars,
41
113789
2323
Sekdami šių žvaigždžių takus,
02:08
astronomers have concluded
42
116136
1294
astronomai padarė išvadą,
02:09
that the only thing small and heavy
enough to cause this motion
enough to cause this motion
43
117454
3129
kad vienintelis toks mažas ir sunkus,
dalykas galintis sukelti šį
dalykas galintis sukelti šį
02:12
is a supermassive black hole --
44
120607
1968
judėjimą, yra gigantiška juodoji skylė –
02:14
an object so dense that it sucks up
anything that ventures too close --
anything that ventures too close --
45
122599
4178
objektas toks tankus, kad susiurbia viską,
kas priartėja pernelyg arti –
kas priartėja pernelyg arti –
02:18
even light.
46
126801
1494
net šviesą.
Bet kas nutiktų, jei
pažiūrėtume dar iš arčiau?
pažiūrėtume dar iš arčiau?
02:20
But what happens if we were
to zoom in even further?
to zoom in even further?
47
128319
3061
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
Ar įmanoma pamatyti kažką,
ko iš esmės neįmanoma pamatyti?
ko iš esmės neįmanoma pamatyti?
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
Pasirodo, kad, jei vaizdą priartintumėme
iki radijo bangų ilgio,
iki radijo bangų ilgio,
02:31
we'd expect to see a ring of light
50
139987
1682
tikėtumėmės pamatyti šviesos žiedą,
02:33
caused by the gravitational
lensing of hot plasma
lensing of hot plasma
51
141693
2411
sukurtą karštos plazmos
gravitacinio lęšio,
gravitacinio lęšio,
02:36
zipping around the black hole.
52
144128
1829
švilpiantį aplink juodąją skylę.
02:37
In other words,
53
145981
1160
Kitaip tariant,
02:39
the black hole casts a shadow
on this backdrop of bright material,
on this backdrop of bright material,
54
147165
3171
juodoji skylė meta šešėlį ant
šio šviesios medžiagos fono,
šio šviesios medžiagos fono,
02:42
carving out a sphere of darkness.
55
150360
1842
sukurdama tamsos skliautą.
02:44
This bright ring reveals
the black hole's event horizon,
the black hole's event horizon,
56
152226
3339
Ryškus žiedas atskleidžia
juodosios skylės įvykių horizontą,
juodosios skylės įvykių horizontą,
02:47
where the gravitational pull
becomes so great
becomes so great
57
155589
2400
kuriame gravitacinė trauka
tokia stipri,
tokia stipri,
02:50
that not even light can escape.
58
158013
1626
kad net šviesa negali ištrūkti.
02:51
Einstein's equations predict
the size and shape of this ring,
the size and shape of this ring,
59
159663
2859
Einšteino lygtys numato
šio žiedo dydį ir formą,
šio žiedo dydį ir formą,
02:54
so taking a picture of it
wouldn't only be really cool,
wouldn't only be really cool,
60
162546
3208
todėl jį nufotografuoti
ne tik būtų nuostabu,
ne tik būtų nuostabu,
02:57
it would also help to verify
that these equations hold
that these equations hold
61
165778
2618
bet ir padėtų patvirtinti,
kad šios lygtys veiktų ir
kad šios lygtys veiktų ir
03:00
in the extreme conditions
around the black hole.
around the black hole.
62
168420
2466
ekstremaliomis sąlygomis
aplink juodąją skylę.
aplink juodąją skylę.
03:02
However, this black hole
is so far away from us,
is so far away from us,
63
170910
2558
Vis dėlto, juodoji skylė yra
taip toli nuo mūsų,
taip toli nuo mūsų,
03:05
that from Earth, this ring appears
incredibly small --
incredibly small --
64
173492
3098
kad iš Žemės šis žiedas
atrodo nepaprastai mažas –
atrodo nepaprastai mažas –
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
tokio paties dydžio, kaip mums atrodytų
apelsinas ant Mėnulio paviršiaus.
apelsinas ant Mėnulio paviršiaus.
03:12
That makes taking a picture of it
extremely difficult.
extremely difficult.
66
180758
2824
Todėl ją nufotografuoti
yra itin sunku.
yra itin sunku.
03:16
Why is that?
67
184645
1302
Kodėl taip yra?
03:18
Well, it all comes down
to a simple equation.
to a simple equation.
68
186512
3188
Na, viskas susiveda
į paprastą lygtį.
į paprastą lygtį.
03:21
Due to a phenomenon called diffraction,
69
189724
2416
Dėl reiškinio, vadinamo difrakcija,
03:24
there are fundamental limits
70
192164
1355
yra fundamentalios ribos
03:25
to the smallest objects
that we can possibly see.
that we can possibly see.
71
193543
2670
mažiausiems objektams,
kuriuos galime pamatyti.
kuriuos galime pamatyti.
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
Ši lygtis sako, kad, norint
pamatyti vis mažesnius objektus,
pamatyti vis mažesnius objektus,
03:32
we need to make our telescope
bigger and bigger.
bigger and bigger.
73
200485
2587
mums reikia vis
didesnio teleskopo.
didesnio teleskopo.
03:35
But even with the most powerful
optical telescopes here on Earth,
optical telescopes here on Earth,
74
203096
3069
Bet net ir naudodami galingiausius
optinius teleskopus Žemėje,
optinius teleskopus Žemėje,
03:38
we can't even get close
to the resolution necessary
to the resolution necessary
75
206189
2419
net nepriartėjame prie
reikalingos rezoliucijos,
reikalingos rezoliucijos,
03:40
to image on the surface of the moon.
76
208632
2198
reikalingos atvaizduoti Mėnulio paviršių.
03:42
In fact, here I show one of the highest
resolution images ever taken
resolution images ever taken
77
210854
3617
Tiesą sakant, čia rodau vieną iš
aukščiausios raiškos Mėnulio nuotraukų,
aukščiausios raiškos Mėnulio nuotraukų,
03:46
of the moon from Earth.
78
214495
1397
kada nors padarytų iš Žemės.
03:47
It contains roughly 13,000 pixels,
79
215916
2557
Nuotraukoje yra maždaug 13 000 pikselių,
03:50
and yet each pixel would contain
over 1.5 million oranges.
over 1.5 million oranges.
80
218497
4050
tačiau kiekviename pikselyje tilptų
per 1,5 milijono apelsinų.
per 1,5 milijono apelsinų.
03:55
So how big of a telescope do we need
81
223396
1972
Taigi, kokio dydžio teleskopo reikia,
03:57
in order to see an orange
on the surface of the moon
on the surface of the moon
82
225392
2765
norint pamatyti apelsiną ant
Mėnulio paviršiaus
Mėnulio paviršiaus
04:00
and, by extension, our black hole?
83
228181
2214
ir, tuo pačiu, mūsų juodąją skylę?
04:02
Well, it turns out
that by crunching the numbers,
that by crunching the numbers,
84
230419
2340
Na, pasirodo, kad
gerai paskaičiavę,
gerai paskaičiavę,
galėtumėte apskaičiuoti,
kad reikėtų teleskopo,
kad reikėtų teleskopo,
04:04
you can easily calculate
that we would need a telescope
that we would need a telescope
85
232783
2610
kurio dydis būtų sulig Žeme.
04:07
the size of the entire Earth.
86
235417
1393
(Juokas.)
04:08
(Laughter)
87
236834
1024
Jei galėtume sukurti
tokį Žemės dydžio teleskopą,
tokį Žemės dydžio teleskopą,
04:09
If we could build
this Earth-sized telescope,
this Earth-sized telescope,
88
237882
2119
galėtume pamažu atskirti
tą charakteringą šviesos žiedą,
tą charakteringą šviesos žiedą,
04:12
we could just start to make out
that distinctive ring of light
that distinctive ring of light
89
240025
2925
kuris nurodo juodosios
skylės įvykių horizontą.
skylės įvykių horizontą.
04:14
indicative of the black
hole's event horizon.
hole's event horizon.
90
242974
2183
Nors šioje nuotraukoje nebūtų
visų detalių,
visų detalių,
04:17
Although this picture wouldn't contain
all the detail we see
all the detail we see
91
245181
2918
matomų kompiuteriniame atvaizdavime,
04:20
in computer graphic renderings,
92
248123
1506
tai padėtų mums užtikrintai
susidaryti pirmąjį įspūdį
susidaryti pirmąjį įspūdį
04:21
it would allow us to safely get
our first glimpse
our first glimpse
93
249653
2299
04:23
of the immediate environment
around a black hole.
around a black hole.
94
251976
2487
apie artimiausią juodąją skylę
supančią aplinką.
supančią aplinką.
04:26
However, as you can imagine,
95
254487
1613
Tačiau, kaip galite įsivaizduoti,
04:28
building a single-dish telescope
the size of the Earth is impossible.
the size of the Earth is impossible.
96
256124
3624
pastatyti vienos lėkštės teleskopo,
kuri būtų Žemės dydžio, yra neįmanoma.
kuri būtų Žemės dydžio, yra neįmanoma.
04:31
But in the famous words of Mick Jagger,
97
259772
1887
Bet, kaip sakė Mickas Jaggeris,
04:33
"You can't always get what you want,
98
261683
1791
„Ne visada gali gauti tai, ko nori,
04:35
but if you try sometimes,
you just might find
you just might find
99
263498
2187
bet jei bandai,
kartais gali rasti
kartais gali rasti
04:37
you get what you need."
100
265709
1215
tai, ko tau reikia.“
04:38
And by connecting telescopes
from around the world,
from around the world,
101
266948
2464
Sujungdami teleskopus
visame pasaulyje,
visame pasaulyje,
04:41
an international collaboration
called the Event Horizon Telescope
called the Event Horizon Telescope
102
269436
3538
tarptautinis projektas
pavadinimu „Įvykių horizonto teleskopas“
pavadinimu „Įvykių horizonto teleskopas“
04:44
is creating a computational telescope
the size of the Earth,
the size of the Earth,
103
272998
3109
kuria Žemės dydžio
skaičiuojamąjį teleskopą,
skaičiuojamąjį teleskopą,
04:48
capable of resolving structure
104
276131
1537
kuris pajėgus skirti struktūras
04:49
on the scale of a black
hole's event horizon.
hole's event horizon.
105
277692
2199
juodosios skylės įvykių
horizonto mastu.
horizonto mastu.
04:51
This network of telescopes is scheduled
to take its very first picture
to take its very first picture
106
279915
3387
Planuojama, kad šis teleskopų tinklas
pirmąjį juodosios skylės atvaizdą
pirmąjį juodosios skylės atvaizdą
04:55
of a black hole next year.
107
283326
1815
padarys kitais metais.
04:57
Each telescope in the worldwide
network works together.
network works together.
108
285165
3338
Kiekvienas teleskopas pasauliniame
tinkle veikia kartu.
tinkle veikia kartu.
05:00
Linked through the precise timing
of atomic clocks,
of atomic clocks,
109
288527
2712
Susietos preciziškais
atominiais laikrodžiais,
atominiais laikrodžiais,
05:03
teams of researchers at each
of the sights freeze light
of the sights freeze light
110
291263
2657
mokslininkų komandos kiekviename
taške sustingdo šviesą,
taške sustingdo šviesą,
05:05
by collecting thousands
of terabytes of data.
of terabytes of data.
111
293944
2962
surinkdami tūkstančius
terabitų duomenų.
terabitų duomenų.
05:08
This data is then processed in a lab
right here in Massachusetts.
right here in Massachusetts.
112
296930
5017
Tuomet šie duomenys apdorojami
laboratorijoje, čia pat, Masačiusetse.
laboratorijoje, čia pat, Masačiusetse.
05:13
So how does this even work?
113
301971
1794
Taigi, kaip tai apskritai veikia?
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
Atsimenate, kad norint pamatyti juodąją
skylę mūsų galaktikos centre,
skylę mūsų galaktikos centre,
05:19
we need to build this impossibly large
Earth-sized telescope?
Earth-sized telescope?
115
307216
2982
mums reikia sukurti neįmanomai didelį
Žemės dydžio teleskopą?
Žemės dydžio teleskopą?
05:22
For just a second,
let's pretend we could build
let's pretend we could build
116
310222
2232
Trumpam apsimeskime,
kad galime sukurti
kad galime sukurti
05:24
a telescope the size of the Earth.
117
312478
1842
Žemės dydžio teleskopą.
05:26
This would be a little bit
like turning the Earth
like turning the Earth
118
314344
2455
Tai būtų šiek tiek panašu
į Žemės pavertimą
į Žemės pavertimą
05:28
into a giant spinning disco ball.
119
316823
1747
milžinišku diskotekos rutuliu.
05:30
Each individual mirror would collect light
120
318594
2200
Kiekvienas atskiras veidrodis
surinktų šviesą,
surinktų šviesą,
05:32
that we could then combine
together to make a picture.
together to make a picture.
121
320818
2597
kurią mes galėtume sujungti
ir paversti nuotrauka.
ir paversti nuotrauka.
05:35
However, now let's say
we remove most of those mirrors
we remove most of those mirrors
122
323439
2661
Tačiau, sakykime, pašaliname
daugumą šių veidrodžių
daugumą šių veidrodžių
05:38
so only a few remained.
123
326124
1972
ir lieka tik keli.
05:40
We could still try to combine
this information together,
this information together,
124
328120
2877
Mes vis dar galėtume bandyti
sujungti šią informaciją,
sujungti šią informaciją,
05:43
but now there are a lot of holes.
125
331021
1993
tačiau dabar yra daug skylių.
05:45
These remaining mirrors represent
the locations where we have telescopes.
the locations where we have telescopes.
126
333038
4373
Šie likę veidrodžiai ženklina
vietas, kuriose yra mūsų teleskopai.
vietas, kuriose yra mūsų teleskopai.
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
Tai itin menkas matavimų skaičius
nuotraukai sudaryti.
nuotraukai sudaryti.
05:53
But although we only collect light
at a few telescope locations,
at a few telescope locations,
128
341538
3838
Vis dėlto, nors surenkame šviesą
tik keliose teleskopų buvimo vietose,
tik keliose teleskopų buvimo vietose,
05:57
as the Earth rotates, we get to see
other new measurements.
other new measurements.
129
345400
3423
Žemei besisukant, gauname
ir kitų matavimų.
ir kitų matavimų.
06:00
In other words, as the disco ball spins,
those mirrors change locations
those mirrors change locations
130
348847
3819
Kitaip tariant, „diskotekos rutuliui“
besisukant, šie veidrodžiai keičia vietas
besisukant, šie veidrodžiai keičia vietas
06:04
and we get to observe
different parts of the image.
different parts of the image.
131
352690
2899
ir mes turime galimybę pamatyti
skirtingas vaizdo dalis.
skirtingas vaizdo dalis.
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
Mūsų kuriami vizualizavimo algoritmai
užpildo „diskotekos rutulio“ spragas
užpildo „diskotekos rutulio“ spragas
06:11
in order to reconstruct
the underlying black hole image.
the underlying black hole image.
133
359655
3033
ir padeda mums atkurti
slypintį juodosios skylės vaizdą.
slypintį juodosios skylės vaizdą.
06:14
If we had telescopes located
everywhere on the globe --
everywhere on the globe --
134
362712
2636
Jei teleskopai būtų išdėstyti
visame pasaulyje –
visame pasaulyje –
06:17
in other words, the entire disco ball --
135
365372
1941
kitaip tariant, pilnas
„diskotekos rutulys“ –
„diskotekos rutulys“ –
06:19
this would be trivial.
136
367337
1284
tai būtų nereikšminga.
06:20
However, we only see a few samples,
and for that reason,
and for that reason,
137
368645
3322
Tačiau mes matome tik keletą
vaizdo dalių ir todėl
vaizdo dalių ir todėl
06:23
there are an infinite number
of possible images
of possible images
138
371991
2388
egzistuoja begalinis galimų
vaizdų skaičius,
vaizdų skaičius,
06:26
that are perfectly consistent
with our telescope measurements.
with our telescope measurements.
139
374403
2964
kurie visiškai atitinka
mūsų išmatavimus teleskopu.
mūsų išmatavimus teleskopu.
06:29
However, not all images are created equal.
140
377391
3016
Vis dėlto, ne visi vaizdai yra
vienodai naudingi.
vienodai naudingi.
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
Kai kurie šių vaizdų labiau panėšėja į
tai, ką laikome vaizdais, nei kiti.
tai, ką laikome vaizdais, nei kiti.
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
Tad mano vaidmuo bandant padaryti
pirmąją juodosios skylės nuotrauką
pirmąją juodosios skylės nuotrauką
06:40
is to design algorithms that find
the most reasonable image
the most reasonable image
143
388577
2932
yra algoritmų, kurie rastų
tinkamiausią vaizdą ir atitiktų
tinkamiausią vaizdą ir atitiktų
06:43
that also fits the telescope measurements.
144
391533
2222
teleskopo išmatavimus, kūrimas.
06:46
Just as a forensic sketch artist
uses limited descriptions
uses limited descriptions
145
394727
3942
Kaip ir kriminalinės ekspertizės ekspertai
naudojasi ribotais apibūdinimais,
naudojasi ribotais apibūdinimais,
06:50
to piece together a picture using
their knowledge of face structure,
their knowledge of face structure,
146
398693
3514
kad sudėliotų vaizdą pasinaudodami
savo žiniomis apie veido struktūrą,
savo žiniomis apie veido struktūrą,
06:54
the imaging algorithms I develop
use our limited telescope data
use our limited telescope data
147
402231
3315
mano vizualizavimo algoritmai
naudoja ribotus teleskopų duomenis,
naudoja ribotus teleskopų duomenis,
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
kad padėtų mums atkurti vaizdą, kuris
atrodytų kaip visatoje matomi dalykai.
atrodytų kaip visatoje matomi dalykai.
07:01
Using these algorithms,
we're able to piece together pictures
we're able to piece together pictures
149
409916
3651
Naudodami šiuos algoritmus,
mes galime sudėlioti vaizdus
mes galime sudėlioti vaizdus
07:05
from this sparse, noisy data.
150
413591
2180
iš šių negausių, chaotiškų duomenų.
07:07
So here I show a sample reconstruction
done using simulated data,
done using simulated data,
151
415795
4529
Čia demonstruoju bandomąją rekonstrukciją,
sukurtą naudojant netikrus duomenis,
sukurtą naudojant netikrus duomenis,
07:12
when we pretend to point our telescopes
152
420348
1933
įsivaizduojant, kad nukreipiame teleskopus
07:14
to the black hole
in the center of our galaxy.
in the center of our galaxy.
153
422305
2585
į juodąją skylę, esančią
mūsų galaktikos centre.
mūsų galaktikos centre.
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
Nors tai tik simuliacija, rekonstrukcijos,
tokios kaip ši, mums suteikia vilties, kad
tokios kaip ši, mums suteikia vilties, kad
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
netrukus galėsime patikimai padaryti
pirmąją juodosios skylės nuotrauką
pirmąją juodosios skylės nuotrauką
07:24
and from it, determine
the size of its ring.
the size of its ring.
156
432870
2595
ir ja remdamiesi
nustatyti jos žiedo dydį.
nustatyti jos žiedo dydį.
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
Nors aš mielai ir toliau pasakočiau
apie šio algoritmo detales,
apie šio algoritmo detales,
07:31
luckily for you, I don't have the time.
158
439341
2174
jūsų laimei, neturiu tiek laiko.
07:33
But I'd still like
to give you a brief idea
to give you a brief idea
159
441539
2001
Bet vis tiek norėčiau
trumpai papasakoti,
trumpai papasakoti,
07:35
of how we define
what our universe looks like,
what our universe looks like,
160
443564
2302
kaip mes apibrėžiame
visatos išvaizdą
visatos išvaizdą
07:37
and how we use this to reconstruct
and verify our results.
and verify our results.
161
445890
4466
ir kaip tai naudojame rezultatams
atkurti ir patikrinti.
atkurti ir patikrinti.
07:42
Since there are an infinite number
of possible images
of possible images
162
450380
2496
Kadangi egzistuoja begalinis
galimų vaizdų skaičius,
galimų vaizdų skaičius,
07:44
that perfectly explain
our telescope measurements,
our telescope measurements,
163
452900
2365
kurie puikiai pateisina
mūsų teleskopų išmatavimus,
mūsų teleskopų išmatavimus,
07:47
we have to choose
between them in some way.
between them in some way.
164
455289
2605
kažkokiu būdu mums reikia
iš jų išskirti tinkamus.
iš jų išskirti tinkamus.
07:49
We do this by ranking the images
165
457918
1838
Tai darome klasifikuodami vaizdus pagal
07:51
based upon how likely they are
to be the black hole image,
to be the black hole image,
166
459780
2834
tikimybę būti
juodosios skylės vaizdu,
juodosios skylės vaizdu,
07:54
and then choosing the one
that's most likely.
that's most likely.
167
462638
2482
tada išsirenkame vieną,
kuris yra labiausiai tikėtinas.
kuris yra labiausiai tikėtinas.
07:57
So what do I mean by this exactly?
168
465144
2195
Taigi, ką aš noriu tuo pasakyti?
07:59
Let's say we were trying to make a model
169
467862
1978
Tarkime, mes bandome sukurti modelį,
08:01
that told us how likely an image
were to appear on Facebook.
were to appear on Facebook.
170
469864
3183
kuris mums nurodytų tikimybę,
kad vaizdas atsiras „Facebook“ tinkle.
kad vaizdas atsiras „Facebook“ tinkle.
08:05
We'd probably want the model to say
171
473071
1701
Norėtume, kad modelis parodytų,
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
kad mažai tikėtina, jog kažkas paskelbtų
šį kairėję esantį vaizdą su triukšmu,
šį kairėję esantį vaizdą su triukšmu,
08:10
and pretty likely that someone
would post a selfie
would post a selfie
173
478377
2419
ir gana tikėtina, kad
paskelbtų asmenukę,
paskelbtų asmenukę,
08:12
like this one on the right.
174
480820
1334
tokią, kaip ši dešinėje.
08:14
The image in the middle is blurry,
175
482178
1639
Vaizdas viduryje yra neryškus,
08:15
so even though it's more likely
we'd see it on Facebook
we'd see it on Facebook
176
483841
2639
todėl, nors ir labiau tikėtina
pamatyti jį „Facebook“,
pamatyti jį „Facebook“,
08:18
compared to the noise image,
177
486504
1360
palyginti su vaizdu su triukšmu,
08:19
it's probably less likely we'd see it
compared to the selfie.
compared to the selfie.
178
487888
2960
turbūt mažiau tikėtina, kad
pamatytume jį, o ne asmenukę.
pamatytume jį, o ne asmenukę.
08:22
But when it comes to images
from the black hole,
from the black hole,
179
490872
2290
Bet, kai kalbame apie
juodosios skylės vaizdus,
juodosios skylės vaizdus,
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
susiduriame su tikra mįslė –
mes dar niekada nematėme juodosios skylės.
mes dar niekada nematėme juodosios skylės.
08:28
In that case, what is a likely
black hole image,
black hole image,
181
496712
2291
Tad koks yra tikėtinas
juodosios skylės atvaizdas
juodosios skylės atvaizdas
08:31
and what should we assume
about the structure of black holes?
about the structure of black holes?
182
499027
2938
ir kaip turėtume įsivaizduoti
juodųjų skylių struktūrą?
juodųjų skylių struktūrą?
08:33
We could try to use images
from simulations we've done,
from simulations we've done,
183
501989
2632
Galėtume naudoti vaizdus iš
mūsų atliktų simuliacijų,
mūsų atliktų simuliacijų,
08:36
like the image of the black hole
from "Interstellar,"
from "Interstellar,"
184
504645
2530
tarkime, juodosios skylės
vaizdas iš „Interstellar“,
vaizdas iš „Interstellar“,
08:39
but if we did this,
it could cause some serious problems.
it could cause some serious problems.
185
507199
2938
bet jei tai padarytumėme,
galėtume sukelti rimtų problemų.
galėtume sukelti rimtų problemų.
08:42
What would happen
if Einstein's theories didn't hold?
if Einstein's theories didn't hold?
186
510161
3380
Kas nutiktų, jei Einšteino
teorijos nepasitvirtintų?
teorijos nepasitvirtintų?
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
Mes vis tiek norėtume atkurti
tikslų vaizdą, to, kas ten vyksta.
tikslų vaizdą, to, kas ten vyksta.
Jei mes pernelyg pasikliausime Einšteino
lygtimis savo algoritmuose,
lygtimis savo algoritmuose,
08:49
If we bake Einstein's equations
too much into our algorithms,
too much into our algorithms,
188
517550
3371
08:52
we'll just end up seeing
what we expect to see.
what we expect to see.
189
520945
2755
galų gale tiesiog pamatysime
tai, ką ir tikėjomės pamatyti.
tai, ką ir tikėjomės pamatyti.
08:55
In other words,
we want to leave the option open
we want to leave the option open
190
523724
2276
Kitaip tariant, norime
pasilikti galimybę, kad
pasilikti galimybę, kad
08:58
for there being a giant elephant
at the center of our galaxy.
at the center of our galaxy.
191
526024
2923
mūsų galaktikos centre yra
milžiniškas dramblys.
milžiniškas dramblys.
09:00
(Laughter)
192
528971
1057
(Juokas.)
09:02
Different types of images have
very distinct features.
very distinct features.
193
530052
2989
Skirtingi atvaizdų tipai turi
labai skirtingas ypatybes.
labai skirtingas ypatybes.
09:05
We can easily tell the difference
between black hole simulation images
between black hole simulation images
194
533065
3548
Galime lengvai atskirti sumodeliuotus
juodosios skylės atvaizdus
juodosios skylės atvaizdus
09:08
and images we take
every day here on Earth.
every day here on Earth.
195
536637
2276
nuo kasdien čia, Žemėje,
padaromų nuotraukų.
padaromų nuotraukų.
09:10
We need a way to tell our algorithms
what images look like
what images look like
196
538937
3104
Turime kažkaip nurodyti savo
algoritmams, kaip atrodo nuotraukos,
algoritmams, kaip atrodo nuotraukos,
09:14
without imposing one type
of image's features too much.
of image's features too much.
197
542065
3249
pernelyg neprimetant vieno
nuotraukų ypatybių tipo.
nuotraukų ypatybių tipo.
09:17
One way we can try to get around this
198
545865
1893
Vienas būdų, kaip galėtume tai išspręsti,
09:19
is by imposing the features
of different kinds of images
of different kinds of images
199
547782
3062
yra įvairių vaizdų
tipų priskyrimas,
tipų priskyrimas,
09:22
and seeing how the type of image we assume
affects our reconstructions.
affects our reconstructions.
200
550868
4130
o tada išsiaiškinti, kaip pateiktas
vaizdas veikia mūsų rekonstrukcijas.
vaizdas veikia mūsų rekonstrukcijas.
09:27
If all images' types produce
a very similar-looking image,
a very similar-looking image,
201
555712
3491
Jei visų nuotraukų tipai pateikia
labai panašiai atrodantį atvaizdą,
labai panašiai atrodantį atvaizdą,
09:31
then we can start to become more confident
202
559227
2057
tuomet galime būti labiau tikri,
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
kad mūsų daromos prielaidos apie
atvaizdus nėra pernelyg šališkos.
atvaizdus nėra pernelyg šališkos.
09:37
This is a little bit like
giving the same description
giving the same description
204
565505
2990
Tai šiek tiek panašu į
to paties apibūdinimo pateikimą trims
to paties apibūdinimo pateikimą trims
09:40
to three different sketch artists
from all around the world.
from all around the world.
205
568519
2996
skirtingiems kriminalinės ekspertizės
ekspertams iš viso pasaulio.
ekspertams iš viso pasaulio.
09:43
If they all produce
a very similar-looking face,
a very similar-looking face,
206
571539
2860
Jei jie visi gauna labai
panašiai atrodantį veidą,
panašiai atrodantį veidą,
09:46
then we can start to become confident
207
574423
1793
tuomet galime būti tikri,
09:48
that they're not imposing their own
cultural biases on the drawings.
cultural biases on the drawings.
208
576240
3616
kad jie savo piešiniams neprimeta
savo kultūrinio šališkumo.
savo kultūrinio šališkumo.
09:51
One way we can try to impose
different image features
different image features
209
579880
3315
Vienas būdų priskirti
skirtingas vaizdų ypatybes
skirtingas vaizdų ypatybes
09:55
is by using pieces of existing images.
210
583219
2441
yra esančių nuotraukų naudojimas.
09:58
So we take a large collection of images,
211
586214
2160
Taigi paimame didelę nuotraukų kolekciją
10:00
and we break them down
into their little image patches.
into their little image patches.
212
588398
2718
ir nuotraukas suardome
į mažas nuotrupas.
į mažas nuotrupas.
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
Tada kiekvieną nuotrupą galime
traktuoti kaip dėlionės gabaliuką.
traktuoti kaip dėlionės gabaliuką.
10:07
And we use commonly seen puzzle pieces
to piece together an image
to piece together an image
214
595449
4278
Naudojame dažnai matomus dėlionės
gabaliukus atvaizdui sudaryti,
gabaliukus atvaizdui sudaryti,
10:11
that also fits our telescope measurements.
215
599751
2452
kuris taip pat atitinka mūsų
teleskopo išmatavimus.
teleskopo išmatavimus.
10:15
Different types of images have
very distinctive sets of puzzle pieces.
very distinctive sets of puzzle pieces.
216
603040
3743
Skirtingi atvaizdų tipai turi labai
savitus dėlionės gabaliukų rinkinius.
savitus dėlionės gabaliukų rinkinius.
10:18
So what happens when we take the same data
217
606807
2806
Taigi, kas nutinka, kai paimame
tuos pačius duomenis,
tuos pačius duomenis,
10:21
but we use different sets of puzzle pieces
to reconstruct the image?
to reconstruct the image?
218
609637
4130
bet naudojame skirtingus dėlionės
gabaliukų rinkinius atvaizdui atkurti?
gabaliukų rinkinius atvaizdui atkurti?
10:25
Let's first start with black hole
image simulation puzzle pieces.
image simulation puzzle pieces.
219
613791
4766
Pirma pradėkime nuo juodosios skylės
atvaizdo modelio dėlionės gabaliukų.
atvaizdo modelio dėlionės gabaliukų.
10:30
OK, this looks reasonable.
220
618581
1591
Gerai, tai atrodo visai priimtina.
10:32
This looks like what we expect
a black hole to look like.
a black hole to look like.
221
620196
2694
Tai atrodo taip, kaip ir manome
atrodant juodąją skylę.
atrodant juodąją skylę.
10:34
But did we just get it
222
622914
1193
Bet ar šį atvaizdą gavome
10:36
because we just fed it little pieces
of black hole simulation images?
of black hole simulation images?
223
624131
3314
tik todėl, kad jį gavome iš mažų
juodosios skylės simuliacijos vaizdų?
juodosios skylės simuliacijos vaizdų?
10:39
Let's try another set of puzzle pieces
224
627469
1880
Paimkime kitą dėlionės gabaliukų rinkinį
10:41
from astronomical, non-black hole objects.
225
629373
2509
naudodami astronominius ne
juodosios skylės objektus.
juodosios skylės objektus.
10:44
OK, we get a similar-looking image.
226
632914
2126
Gerai, dabar gauname panašų vaizdą.
10:47
And then how about pieces
from everyday images,
from everyday images,
227
635064
2236
O kaip dėl gabaliukų
iš kasdienių nuotraukų,
iš kasdienių nuotraukų,
10:49
like the images you take
with your own personal camera?
with your own personal camera?
228
637324
2785
pavyzdžiui, tokių, kurias
padarote savo fotoaparatu?
padarote savo fotoaparatu?
10:53
Great, we see the same image.
229
641312
2115
Puiku, mes matome tą patį vaizdą.
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
Kai gauname tą patį vaizdą
iš skirtingų dėlionės gabaliukų rinkinių,
iš skirtingų dėlionės gabaliukų rinkinių,
10:58
then we can start to become more confident
231
646841
2046
tuomet galime būti labiau tikri,
11:00
that the image assumptions we're making
232
648911
1966
kad mūsų daromos prielaidos apie atvaizdą
11:02
aren't biasing the final
image we get too much.
image we get too much.
233
650901
2921
nedaro pernelyg daug įtakos
galutiniam atvaizdui.
galutiniam atvaizdui.
11:05
Another thing we can do is take
the same set of puzzle pieces,
the same set of puzzle pieces,
234
653846
3253
Taip pat galime paimti tą patį
dėlionės gabaliukų rinkinį,
dėlionės gabaliukų rinkinį,
11:09
such as the ones derived
from everyday images,
from everyday images,
235
657123
2489
pavyzdžiui iš gabaliukų, gautų
iš kasdienių nuotraukų,
iš kasdienių nuotraukų,
11:11
and use them to reconstruct
many different kinds of source images.
many different kinds of source images.
236
659636
3600
ir jį panaudoti rekonstruodami
daugybę įvairių pirminių vaizdų.
daugybę įvairių pirminių vaizdų.
11:15
So in our simulations,
237
663260
1271
Modeliuodami įsivaizduojame,
11:16
we pretend a black hole looks like
astronomical non-black hole objects,
astronomical non-black hole objects,
238
664555
3775
kad juodoji skylė atrodo kaip
astronominiai ne juodosios skylės objektai
astronominiai ne juodosios skylės objektai
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
o taip pat ir kasdieniai vaizdai, tokie
kaip dramblys mūsų galaktikos centre.
kaip dramblys mūsų galaktikos centre.
11:24
When the results of our algorithms
on the bottom look very similar
on the bottom look very similar
240
672227
3168
Kai mūsų algoritmų rezultatai
apačioje atrodo labai panašūs į
apačioje atrodo labai panašūs į
11:27
to the simulation's truth image on top,
241
675419
2096
simuliacijos tikrąjį vaizdą,
esantį viršuje,
esantį viršuje,
11:29
then we can start to become
more confident in our algorithms.
more confident in our algorithms.
242
677539
3346
galime būti labiau tikri
savo algoritmais.
savo algoritmais.
11:32
And I really want to emphasize here
243
680909
1867
Čia aš būtinai noriu pabrėžti,
11:34
that all of these pictures were created
244
682800
1934
kad visos šios nuotraukos sukurtos
11:36
by piecing together little pieces
of everyday photographs,
of everyday photographs,
245
684758
2936
sujungiant mažas daleles
iš kasdienių nuotraukų,
iš kasdienių nuotraukų,
11:39
like you'd take with your own
personal camera.
personal camera.
246
687718
2215
tokių, kurias padarote
savo fotoaparatu.
savo fotoaparatu.
11:41
So an image of a black hole
we've never seen before
we've never seen before
247
689957
3276
Todėl juodosios skylės atvaizdas,
kurio dar nesame matę,
kurio dar nesame matę,
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
galiausiai gali būti sukurtas sudedant
mums įprastus vaizdus:
mums įprastus vaizdus:
11:49
of people, buildings,
trees, cats and dogs.
trees, cats and dogs.
249
697224
2745
žmones, pastatus, medžius,
kates ir šunis.
kates ir šunis.
11:51
Imaging ideas like this
will make it possible for us
will make it possible for us
250
699993
2645
Vizualizavimo dėjų, tokių kaip ši,
dėka galbūt galėsime
dėka galbūt galėsime
11:54
to take our very first pictures
of a black hole,
of a black hole,
251
702662
2619
padaryti pačias pirmąsias
juodosios skylės nuotraukas
juodosios skylės nuotraukas
11:57
and hopefully, verify
those famous theories
those famous theories
252
705305
2447
ir, tikėkimės, patvirtinti
tas garsiąsias teorijas,
tas garsiąsias teorijas,
11:59
on which scientists rely on a daily basis.
253
707776
2421
kuriomis kasdien remiasi mokslininkai.
12:02
But of course, getting
imaging ideas like this working
imaging ideas like this working
254
710221
2608
Žinoma, įgyvendinti šias
atvaizdavimo idėjas
atvaizdavimo idėjas
12:04
would never have been possible
without the amazing team of researchers
without the amazing team of researchers
255
712853
3322
nebūtų įmanoma be
nuostabios mokslininkų komandos,
nuostabios mokslininkų komandos,
12:08
that I have the privilege to work with.
256
716199
1887
su kuria aš turiu garbę dirbti.
12:10
It still amazes me
257
718110
1163
Mane vis dar stebina,
12:11
that although I began this project
with no background in astrophysics,
with no background in astrophysics,
258
719297
3351
kad, nors pradėjau šį projektą neturėdama
astrofizikos darbo patirties,
astrofizikos darbo patirties,
12:14
what we have achieved
through this unique collaboration
through this unique collaboration
259
722672
2619
tai, ką pasiekėme šio
nepaprasto bendradarbiavimo dėka,
nepaprasto bendradarbiavimo dėka,
12:17
could result in the very first
images of a black hole.
images of a black hole.
260
725315
2759
gali virsti pačiais pirmaisiais
juodosios skylės vaizdais.
juodosios skylės vaizdais.
12:20
But big projects like
the Event Horizon Telescope
the Event Horizon Telescope
261
728098
2698
Bet dideli projektai, kaip
„Įvykių horizonto teleskopas“
„Įvykių horizonto teleskopas“
12:22
are successful due to all
the interdisciplinary expertise
the interdisciplinary expertise
262
730820
2814
yra sėkmingi dėka visos
tarpdisciplininės kompetencijos,
tarpdisciplininės kompetencijos,
12:25
different people bring to the table.
263
733658
1790
kurią suteikia skirtingi žmonės.
12:27
We're a melting pot of astronomers,
264
735472
1706
Mes – verdantis katilas astronomų,
12:29
physicists, mathematicians and engineers.
265
737202
2232
fizikų, matematikų ir inžinierių.
12:31
This is what will make it soon possible
266
739458
2554
Būtent dėl to greitai bus įmanoma
12:34
to achieve something
once thought impossible.
once thought impossible.
267
742036
2853
pasiekti tai, kas kažkada
atrodė neįmanoma.
atrodė neįmanoma.
12:36
I'd like to encourage all of you to go out
268
744913
2256
Norėčiau jus paskatinti veikti
12:39
and help push the boundaries of science,
269
747193
2096
ir padėti plėsti mokslo ribas,
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
net jei iš pradžių tai gali atrodyti
taip pat paslaptinga, kaip juodoji skylė.
taip pat paslaptinga, kaip juodoji skylė.
12:45
Thank you.
271
753238
1174
Ačiū.
12:46
(Applause)
272
754436
2397
(Plojimai.)
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