شبکه عصبی «کین» (Kine) توانست ۱۱۶ تصویر رادیویی ثبتشده در طول ۲۷ سال از بلیزر ۳C ۳۴۵ را به یک انیمیشن با وضوح چهاربرابر تصاویر اصلی تبدیل کند. این دستیابی، دقیقترین نقشهی سرعت پلاسما در جت یک سیاهچاله فراجاذب تا به امروز را فراهم آورده است.
از آرایه VLBA تا کشف پتانسیل پنهان دادهها
آرایه خط پایه بسیار طولانی (VLBA) با ده تلسکوپ رادیویی پراکنده در سراسر ایالات متحده، سالها تداوم دو برنامهی BEAM-ME و MOJAVE را برای رصد صدها بلیزر بر عهده داشته است. با این حال، تعداد محدود تلسکوپها تفکیک پیکسلی درونی جتها را غیرممکن میساخت. دادههای خام ۱۱۶ فریم بین سالهای ۱۹۹۵ تا ۲۰۲۲ در بایگانیها بایستاده بودند تا اینکه تیم ماریانا فوسکی، پژوهشگر پسادکتری کلتک، از یادگیری ماشین برای بازیابی اطلاعات پنهان بهره گرفت.
معماری کین: شبکه عصبی که همبستگی زمان-مکان را میفهمد
برخلاف الگوریتمهای کلاسیک تصویرسازی، کین یک شبکه عصبی است که همبستگیهای فضایی-زمانی (spatio-temporal) را مستقیماً از توالی مشاهدات استخراج میکند. این مدل پارامترهای محاسبهای خود را طوری تنظیم میکند که پراکندگی نوری متغیر بلیزر را در چهار بُعد (سه بعد مکان + زمان) بازسازی نماید. فوسکی در مقالهی منتشرشده در نچر توضیح میدهد: «کین مشاهدات در لحظههای مختلف را پردازش کرده و از همبستگیهای دادهها برای پر کردن شکافهای تفکیکپذیری استفاده میکند.»
پارادوکس سرعت: شوکهای بروننور در جت ۳C ۳۴۵
بازیابی ویدیو باکیفیت یک مفاجأت فیزیکی به همراه آورد: اجزای درخشانِ جت با سرعتِ ۱۰ تا ۱۳ برابر سرعت نور حرکت میکنند، در حالی که گازهای اطرافشان «تنها» ۹ تا ۱۲ برابر سرعت نور پیش میروند. بر اساس مدل شوک کلاسیک، پارترباسیونهای شوک باید سریعتر از سیال محیط باشند. فوسکی تأکید میکند: «این نتیجه مدل شوک را به طور کلی باطل نمیکند، اما برای منبع ۳C ۳۴۵ آن را به چالش میکشد و مکانیزمهای تسریع پلاسما را بازنگری میطلبد.»
- سرعت اجزای درخشان (Bright Components): ۱۰ تا ۱۳ برابر سرعت نور (Superluminal)
- سرعت گاز محیطی (Ambient Gas): ۹ تا ۱۲ برابر سرعت نور
- چالش: تضاد با پیشبینیهای کلاسیک مدل شوک (Shock-in-jet Model)
پیوستار با تلسکوپ افق رویداد: از سایه سیاهچاله تا دینامیک جت
چندین نویسندهی مقاله تجربهی قبلی در تیم تلسکوپ افق رویداد (EHT) را دارند که اولین تصویر مستقیم سایهی سیاهچاله M87* را ثبت کرد. انتقال تکنیکهای تصویرسازی مبتنی بر شبکه عصبی از مقیاس افق رویداد به دینامیک جتهای مقیاس پارسک، افق جدیدی برای سینماهای کهکشانشناختی گشوده است.
آینده: کتابخانهی سینمایی جتهای کهکشانی
فوسکی و همکاران در حال تطبیق کین بر دادههای سایر بلیزرهای رصدشده توسط VLBA و آرایههای آتی نظیر ngVLA هستند. هدف نهایی، تولید کتابخانهای از ویدیوهای جت با دقت یکپارچه است که امکان مقایسه آماری مکانیزمهای لانچینگ، کالیمسازی و تسریع پلاسما را در مقیاسهای کدسیمال فراهم آورد. اگر کین بر مقیاس وسیعتر هم کارآمد بماند، به زودی نه تنها تصاویر ثابت، بلکه «فیلمهای واقعی» از موتورهای قدرتمندترین جهان را در اختیار خواهیم داشت.
