Katherine Bouman tenía un secreto: un algoritmo que ella había desarrollado había procesado la imagen de un agujero negro. Ella no le dijo a nadie, excepto a sus colegas. Hasta hoy. Fue entonces cuando el equipo del Telescopio Event Horizon, del cual Bouman es miembro, reveló la primera imagen de un agujero negro.
Bouman, de 29 años, investigadora postdoctoral en el Centro Harvard-Smithsonian de Astrofísica, había estado trabajando en ese algoritmo durante casi seis años, desde que era estudiante graduada en el MIT.
Fue una de las tres docenas de científicos informáticos que utilizaron algoritmos para procesar datos recopilados por el proyecto Event Horizon Telescope, una colaboración mundial de astrónomos, ingenieros y matemáticos.
Telescopios de todo el mundo recolectaron ondas de radio de alta frecuencia en las cercanías de Messier 87 (M87), una galaxia con un agujero negro supermasivo a 54 millones de años luz de distancia.
Sin embargo, Bouman explicó que la perturbación atmosférica y la capacidad de las mediciones significaron que «un número infinito de imágenes posibles» podría explicar los datos. Los algoritmos bien diseñados tuvieron que atravesar el caos.
La imagen compartida el miércoles, que ha sido comparada con una dona fundida o el Ojo de Sauron o incluso con un Rembrandt, es un compuesto de varias reconstrucciones de este tipo.
Bouman dijo:
«Desdibujamos dos de las imágenes y luego las promediamos con la otra para obtener la imagen que mostramos hoy. El anillo de material que rodea a M87 *, que tiene una masa de 6.5 billones de soles, es algo en lo que estábamos increíblemente seguros».
Entrevista a Katherine Bouman
El Washington Post (WP) habló con Bouman después de que se revelara la imagen. Lo siguiente está ligeramente editado para mayor claridad.
WP: No eres un astrónomo. Entonces, ¿cómo te involucraste con la toma de una foto de un agujero negro?
Bouman: Vengo de una formación informática y de ingeniería eléctrica. Hice mi doctorado en un grupo de visión por computadora, donde intentas entender las imágenes. Y escuché sobre este proyecto, esta idea de crear imágenes de agujeros negros.
En ese momento apenas sabía qué era un agujero negro. Pero me uní a esta reunión [donde Shep Doeleman, el astrónomo de la Universidad de Harvard que dirige el proyecto del Event Horizon Telescope, estaba discutiendo de los agujeros negros]. No tenía ni idea de qué estaba hablando, pero cuando salí de la reunión supe que esto era algo en lo que quería trabajar.
Me interesa cómo podemos ver las cosas o medir las cosas que se cree que son invisibles para nosotros. ¿Y cómo podemos encontrar formas únicas de fusionar la instrumentación y los algoritmos para llegar a medir cosas que no se pueden medir con instrumentos estándar?
Take your rightful seat in history, Dr. Bouman! 🔭
Congratulations and thank you for your enormous contribution to the advancements of science and mankind.
Here’s to #WomenInSTEM!
👩🏻🔬👩🏾💻👩🏼🏭👩🏿🏫 https://t.co/3cs9QYrz9C— Alexandria Ocasio-Cortez (@AOC) April 10, 2019
WP: ¿Cuál fue el rol del algoritmo para esta imagen, uniendo datos de telescopios en todo el planeta?
Bouman: Tenemos telescopios distribuidos alrededor del mundo. Por cada dos telescopios en la matriz de telescopios, medimos una sola frecuencia espacial, lo que le dice algo acerca de qué tan rápido están cambiando las cosas.
Obtenemos esta información parcial. Es casi como ver un píxel en una imagen (pero está en un tipo de dominio diferente). Tenemos que encontrar métodos que tomen estos datos realmente escasos, muy ruidosos, y tratar de encontrar la imagen que podría haber causado esas mediciones.
Lo que tenemos que hacer es imponer cosas llamadas «regularizadores» o «priors» que nos permiten decir: «De acuerdo, de todas las imágenes que posiblemente podrían ajustarse a estos datos, este conjunto de imágenes es más probable».
Pero el peligro es que no queremos inyectar información adicional en el problema, a fin de desviar nuestro resultado hacia algo que esperamos ver. Hemos pasado una enorme cantidad de tiempo asegurándonos de que lo que estábamos viendo era en realidad real y no solo algo que, incluso inconscientemente, podríamos haber impuesto a los datos.
[Para eliminar la posibilidad de sesgo compartido por todo el equipo, el proyecto dividió a sus expertos en imágenes de computadora en cuatro grupos diferentes, cada uno trabajando en un tipo diferente de algoritmo. No se les permitió comunicarse.]
WP: ¿Cuándo supiste que el agujero negro era, bueno, un agujero?
Bouman: Teníamos confianza, al menos, en que estábamos viendo esta característica similar a un anillo. Aún así, no sabíamos que otros equipos obtendrían el mismo resultado.
Acudimos en una reunión en Cambridge, Massachusetts, y el segundo día de la reunión, todos revelamos qué imagen habíamos reconstruido a partir de los datos. Probablemente fue el momento más emocionante que he tenido con el proyecto.
Cuando vi que todos habíamos reconstruido este anillo, entonces supe que era una característica increíblemente robusta.
[Durante meses después, los científicos informáticos intentaron probar que sus imágenes eran erróneas. Desarrollaron nuevos scripts, pero estas estructuras astronómicas no tenían ningún agujero. Cuando los científicos devolvieron los datos reales del telescopio a través de los algoritmos, reconstruyeron un anillo. La característica existía.]
No conseguimos un disco. Todavía tenemos ese agujero.