Hoe een foto maken van een zwart gat

In het hart van de Melkweg zit een superzwaar zwart gat dat gevoed wordt door een draaiende schijf van heet gas en alles opzuigt wat te dichtbij komt -- zelfs licht. We kunnen het niet zien, maar de waarnemingshorizon gooit een schaduw en een foto van die schaduw zou kunnen helpen bij het beantwoorden van een aantal belangrijke vragen over het heelal. Wetenschappers dachten dat het maken van een dergelijke foto een telescoop ter grootte van de aarde zou vereisen -- tot Katie Bouman en een team van astronomen met een slim alternatief kwamen. Leer hoe we in de ultieme duisternis toch kunnen zien.

In de film 'Interstellar'

zien we een close-up
van een superzwaar zwart gat.

Tegen een achtergrond van oplichtend gas

buigt de enorme zwaartekracht
van het zwarte gat

het licht tot een ring.

Dit is echter geen echte foto,

maar een computergrafische weergave --

een artistieke interpretatie van hoe
een zwart gat eruit zou kunnen zien.

Honderd jaar geleden kwam Albert Einstein

met zijn theorie
van de algemene relativiteit.

In de jaren daarna

vonden wetenschappers veel bewijs
ter ondersteuning ervan.

Maar één ding voorspeld op basis
van deze theorie, zwarte gaten,

is nog steeds niet direct waargenomen.

Hoewel we een idee hebben over hoe
een zwart gat eruit zou kunnen zien,

hebben we er eigenlijk nog nooit
een foto van kunnen nemen.

Het zou je kunnen verbazen
dat dat nu snel kan gaan veranderen.

Misschien krijgen we in de komende
paar jaar een zwart gat te zien.

Daarvoor zullen nodig zijn:

een internationaal team
van wetenschappers,

een Aarde-grote telescoop

en een algoritme om het
uiteindelijke beeld samen te stellen.

Hoewel ik jullie vandaag nog geen reëel
beeld van een zwart gat kan tonen,

wil ik jullie iets vertellen
over de benodigde inspanning

om die eerste foto te krijgen.

Mijn naam is Katie Bouman.

Ik ben een PhD student aan het MIT.

Ik doe onderzoek in een lab
voor computerwetenschap

dat eraan werkt om computers
te laten zien via foto's en video.

Maar hoewel ik geen astronoom ben,

wil ik jullie vandaag laten zien

hoe ik in staat was om bij te dragen
aan dit spannende project.

Als je de lichten van de stad
vanavond achter je laat,

heb je kans op een prachtig uitzicht

op de Melkweg.

Als je voorbij de miljoenen
sterren kon inzoomen,

26.000 lichtjaar in de richting van
het hart van de spiraalvormige Melkweg,

zouden we uiteindelijk een groep sterren
midden in het centrum bereiken.

Door al het galactische stof heen turend
met infraroodtelescopen,

houden astronomen deze sterren
al meer dan 16 jaar in de gaten.

Maar net wat ze niet zien,
is het meest spectaculair.

Deze sterren lijken
een onzichtbaar object te omcirkelen.

Door het volgen
van de paden van deze sterren,

hebben astronomen besloten

dat het enige wat klein en zwaar genoeg
is om deze beweging te veroorzaken

een superzwaar zwart gat is --

een object zo dicht dat het alles wat
te kort bij komt naar zich toe zuigt --

zelfs licht.

Maar wat gebeurt er als we
nog verder zouden inzoomen?

Is het mogelijk om iets te zien
dat per definitie onmogelijk te zien is?

Als we inzoomen met radiogolven

verwachten we een ring van licht te zien

veroorzaakt door de gravitatielens
van heet plasma

dat rond het zwarte gat zwiert.

Met andere woorden,

het zwarte gat werpt een schaduw
op deze achtergrond van heldere materie,

te zien als een duistere bol.

Deze heldere ring onthult
de gebeurtenishorizon van het zwarte gat,

waar de aantrekkingskracht zo groot wordt

dat zelfs licht niet kan ontsnappen.

Einsteins vergelijkingen voorspellen
de grootte en vorm ervan.

Het nemen van een foto ervan
zou niet alleen echt cool zijn,

maar zou ook helpen
om deze vergelijkingen te verifiëren

in de extreme omstandigheden
rond het zwarte gat.

Dit zwarte gat is echter zo ver weg

dat deze ring vanaf Aarde gezien
ongelooflijk klein lijkt --

van dezelfde grootte voor ons als een
appelsien op het oppervlak van de maan.

Dat maakt het nemen van een foto
ervan uiterst moeilijk.

Waarom?

Het komt allemaal neer
op een eenvoudige vergelijking.

Vanwege het fenomeen diffractie

zijn er fundamentele grenzen

voor de kleinste objecten
die we zouden kunnen zien.

Deze vergelijking zegt dat om
kleiner en kleiner te kunnen zien,

we onze telescoop groter
en groter moeten maken.

Maar zelfs met de krachtigste
optische telescopen op Aarde

komen we niet eens
in de buurt van de resolutie

nodig om het oppervlak
van de maan te bekijken.

Hier toon ik een van de hoogste
resoluties ooit genomen

van de maan vanaf de Aarde.

Het bevat ongeveer 13.000 pixels,

en toch zou elke pixel meer dan
1,5 miljoen sinaasappels bevatten.

Hoe groot moet dan de telescoop zijn

om een sinaasappel te zien
op het oppervlak van de maan,

om van ons zwarte gat nog niet te spreken?

Nou, het blijkt dat je

een telescoop nodig zou hebben

ter grootte van de Aarde.

(Gelach)

Als we deze Aarde-grote
telescoop konden bouwen,

zouden we een lichtkring kunnen zien

rond de waarnemingshorizon
van het zwarte gat.

Al zou dit beeld
niet alle details laten zien

zoals in de computergrafische weergave,

het zou ons veilig een eerste blik gunnen

op de directe omgeving rond een zwart gat.

Jullie kunnen je voorstellen

dat het bouwen
van een telescoop met een schotel

zo groot als de Aarde onmogelijk is.

In de beroemde woorden van Mick Jagger:

"Je krijgt niet altijd wat je wilt,

maar als je het probeert,
krijg je misschien wel

wat je nodig hebt."

Telescopen uit de hele wereld
met elkaar combineren

in een internationale samenwerking,
de Event Horizon Telescope genaamd,

levert een computertelescoop
ter grootte van de Aarde,

om de structuur van
de gebeurtenishorizon

van een zwart gat op te lossen.

Dit netwerk van telescopen is gepland

om volgend jaar zijn eerste opname
van een zwart gat te maken.

Elke telescoop in het wereldwijde
netwerk werkt samen.

Verbonden door de precieze
timing van atoomklokken

bevriezen teams van onderzoekers
voor elke waarneming het licht

door het verzamelen van duizenden
terabytes aan gegevens.

Deze gegevens worden vervolgens verwerkt
in een lab hier in Massachusetts.

Hoe kan dit nu werken?

Bedenk dat om het zwarte gat

in het centrum van ons
melkwegstelsel te zien,

we een onmogelijk grote
Aarde-grote telescoop moeten bouwen.

Laten we even doen alsof we een telescoop

ter grootte van de Aarde kunnen bouwen.

Dit zou lijken op
het omvormen van de Aarde

tot een gigantische draaiende discobal.

Elke aparte spiegel zou licht opvangen

dat we dan konden combineren
om een beeld te maken.

Laten we nu het grootste deel
van deze spiegels verwijderen

zodat er slechts enkele overblijven.

We kunnen dan nog steeds
deze informatie combineren,

maar nu zijn er veel gaten.

Deze resterende spiegels
stellen de locaties voor

waar we telescopen hebben.

Dit is een ongelooflijk klein aantal
metingen om een beeld samen te stellen.

Maar hoewel we alleen licht verzamelen
op slechts enkele telescooplocaties,

krijgen we als de Aarde draait
andere nieuwe metingen te zien.

Met andere woorden,
als de discobal draait,

verschuiven de spiegels

en kunnen we verschillende delen
van het beeld observeren.

Onze beeldvormingsalgoritmes vullen
de ontbrekende gaten van de discobal op,

teneinde het zwarte gat
erachter te reconstrueren.

Als we overal op de wereld
telescopen hadden --

met andere woorden, de hele discobal --

zou dit triviaal zijn.

Maar we zien alleen
enkele stalen en daarom

zijn er een oneindig aantal
mogelijke beelden

die perfect in overeenstemming zijn
met onze telescoopmetingen.

Maar niet alle afbeeldingen
zijn gelijkaardig.

Sommige van die beelden
lijken meer dan andere

op wat wij als afbeeldingen zien.

Mijn rol om het eerste beeld
van een zwart gat te verkrijgen,

bestaat uit algoritmen ontwerpen
om de beste afbeelding te vinden

die ook bij de telescoopmetingen past.

Net zoals een politie-tekenaar
beperkte beschrijvingen gebruikt

om een afbeelding te reconstrueren
met hun kennis van gezichtsstructuur,

zo gebruiken mijn beeldvormingsalgoritmen
onze beperkte telescoopdata

om te leiden tot een beeld dat er ook
uitziet als de dingen in ons universum.

Met deze algoritmen kunnen
we beelden samenstellen

uit deze schaarse, rommelige data.

Hier toon ik een voorbeeld
uitgaande van gesimuleerde data,

als we doen alsof we
onze telescopen richten

naar het zwarte gat in het centrum
van ons melkwegstelsel.

Hoewel dit slechts een simulatie is,
geven reconstructies als deze ons hoop

om binnenkort op betrouwbare wijze

een eerste beeld
van een zwart gat te kunnen maken

en daaruit de grootte
van de ring te bepalen.

Ik zou graag alle details
van dit algoritme willen geven,

maar heb daar, gelukkig voor jullie,
niet de tijd voor.

Ik zal toch in het kort uitleggen

hoe we bepalen
hoe ons universum eruitziet,

en hoe we dit gebruiken
om onze resultaten

te reconstrueren en te controleren.

Omdat er een oneindig aantal
mogelijke beelden zijn

die onze telescoopmetingen
perfect uitleggen,

moeten we op een bepaalde manier
tussen hen kiezen.

We rangschikken de beelden

volgens hoe groot de kans is
dat ze de foto van het zwarte gat zijn,

en kiezen dan voor de waarschijnlijkste.

Wat bedoel ik hiermee?

Laten we zeggen dat we
een model willen maken

dat de kans weergeeft
dat een beeld op Facebook komt.

We zouden het onwaarschijnlijk vinden

dat iemand dit vage
beeld links zou posten,

en vrij waarschijnlijk dat iemand
een selfie zou posten

zoals rechts.

Het beeld in het midden is onscherp,

al zouden we het eerder
op Facebook tegenkomen

dan het beeld met ruis,

maar minder dan de selfie.

Maar als het gaat
om beelden van het zwarte gat

zitten we met een echt raadsel,
want dat hebben we nog nooit gezien.

Hoe zal dan een zwart gat eruitzien,

en wat moeten we veronderstellen
over de structuur van zwarte gaten?

Misschien met beelden van onze simulaties,

zoals het beeld van het zwarte gat
van ‘Interstellar’,

maar dat zou een aantal ernstige
problemen met zich meebrengen.

Wat als de theorieën van Einstein
niet zouden kloppen?

We zouden nog steeds
een nauwkeurig beeld willen reconstrueren.

Als we Einsteins vergelijkingen
te veel in onze algoritmen verwerken,

zullen we alleen maar zien
wat we verwachten.

Een gigantische olifant
in het centrum van ons melkwegstelsel?

Moet kunnen?

(Gelach)

Verschillende beelden
met verschillende eigenschappen.

We zien gemakkelijk het verschil

tussen simulatiebeelden van een zwart gat

en alledaagse foto's.

We moeten onze algoritmen kunnen
vertellen welke beelden te zoeken

zonder te veel nadruk
op één type afbeelding.

Een manier om dit te omzeilen

is de kenmerken van de verschillende
soorten afbeeldingen opleggen

en zien hoe het type beeld
waar we van uitgaan

onze reconstructies beïnvloedt.

Als alle types beelden een zeer
gelijkende afbeelding produceren,

dan kunnen we er zekerder van zijn

dat de aannames die we maken
het beeld niet te veel vertekenen.

Dit is een beetje als het geven
van dezelfde beschrijving

aan drie verschillende politie-tekenaars
van over de hele wereld.

Als ze allemaal een vergelijkbaar
uitziend gezicht produceren,

dan kunnen we erop vertrouwen

dat hun culturele vooroordelen
de tekeningen niet beïnvloeden.

Een manier om verschillende
beeldeigenschappen op te leggen,

is met behulp van stukken
van bestaande beelden.

Dus nemen we een grote verzameling beelden

en delen ze op in hun kleinere stukjes.

Dan kunnen we die stukjes behandelen
als stukjes van een puzzel.

En we gebruiken vaak voorkomende stukjes
om een beeld samen te stellen

dat ook past bij onze telescoopmetingen.

Verschillende soorten beelden hebben
zeer kenmerkende sets van puzzelstukjes.

Wat gebeurt er als we
dezelfde gegevens nemen,

maar verschillende sets van puzzelstukken
gebruiken om het beeld te reconstrueren?

Laten we eerst beginnen met puzzelstukjes
van de simulatie van een zwart gat.

OK, dit ziet er redelijk uit.

Dit lijkt op wat we verwachten
van een zwart gat.

Maar kregen we het gewoon

uit de kleine stukjes
simulatiebeelden van een zwart gat?

We proberen het met
een andere set puzzelstukjes

van astronomische,
niet-zwarte-gatobjecten.

We krijgen een gelijkende afbeelding.

Hoe zit het dan met stukjes
uit gewone beelden,

als de foto's die je maakt
met je eigen camera?

Geweldig, we zien hetzelfde beeld.

Krijgen we hetzelfde beeld
uit alle sets van puzzelstukjes,

dan kunnen we er wat zekerder van zijn

dat onze aannames

niet te veel afwijken
van het uiteindelijke beeld.

Wat we nog kunnen doen,
is dezelfde set van puzzelstukjes,

zoals die afkomstig
van alledaagse beelden,

gebruiken om veel verschillende soorten
van bronbeelden te reconstrueren.

Dus doen we in onze simulaties

alsof een zwart gat lijkt op
astronomische niet-zwarte-gat dingen,

net als alledaagse beelden als de olifant
in het centrum van ons melkwegstelsel.

Wanneer de resultaten onderaan

erg lijken op het echte beeld
van de simulatie bovenaan,

dan mogen we onze algoritmen
meer beginnen te vertrouwen.

Ik wil hier benadrukken

dat al deze foto's zijn gemaakt

door kleine stukjes
van alledaagse foto’s samen te voegen,

foto’s zoals die van je eigen camera.

Zo kan een afbeelding van een zwart gat
dat we nooit eerder hebben gezien

worden gecreëerd
door beelden samen te voegen

van dingen die we kennen,

zoals mensen, gebouwen, bomen,
katten en honden.

Beeldvormingsideeën als deze
zullen het voor ons mogelijk te maken

een foto te nemen van een zwart gat,

en hopelijk die beroemde
theorieën te testen

waar wetenschappers elke dag op steunen.

Maar natuurlijk zou dit nooit zijn gelukt

zonder het geweldige team van onderzoekers

waar ik het voorrecht heb
om mee te werken.

Het verbaast me nog steeds

dat, hoewel ik hieraan begon
zonder achtergrond in de astrofysica,

wat we door deze unieke
samenwerking hebben bereikt,

kan leiden tot de allereerste beelden
van een zwart gat.

Maar grote projecten
als de Event Horizon Telescope

zijn succesvol door alle
interdisciplinaire deskundigheid

van verschillende mensen.

We zijn een smeltkroes van astronomen,

natuurkundigen, wiskundigen en ingenieurs.

Dit zal binnenkort mogelijk maken

wat ooit als onmogelijk werd gezien.

Ik wil jullie allen aanmoedigen
om mee te werken

aan het verleggen van de grenzen
van de wetenschap,

zelfs als het eerst even mysterieus lijkt
als een zwart gat.

Dank je.

(Applaus)