TEDxBeaconStreet
Katie Bouman: How to take a picture of a black hole
کاتی بومان: چگونهاز یک سیاه چاله عکس بگیریم.
Filmed:
Readability: 4.5
5,455,257 views
در قلب کهکشان شیری، یک سیاه چاله خیلی سنگین وجود دارد، که دیسکی چرخنده از گاز داغ را تغذیه می کند، هر چیزی که به آن نزدیک می شود، حتی نور را می مکد. ما نمی توانیم آن را ببینیم، اما افق دید آن یک سایه را تشکیل می دهد و تصویر آن سایه می تواند به بعضی از سوالات مهم درباره جهان پاسخ دهد. دانشمندان فکر می کردند بدست آوردن چنین تصویری نیازمند تلسکوپی در سایز زمین است. تا این که کاتی بومن و تیمی از اخترشناسان با یک چاره هوشمندانه ظاهر شدند. در باره این که چطور ما می توانیم در تاریکی محض بببینیم بیشتر بدانید.
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
در فیلم " بین‌ستاره‌ای"
00:15
we get an up-close look
at a supermassive black hole.
at a supermassive black hole.
1
3320
3327
تصویر نزدیکی از یک سیاهچاله
کلان‌جرم داریم.
کلان‌جرم داریم.
00:18
Set against a backdrop of bright gas,
2
6671
2143
قرار گرفته در پشت گازهای درخشان،
00:20
the black hole's massive
gravitational pull
gravitational pull
3
8838
2118
کشش گرانشی حجیم سیاه چاله
00:22
bends light into a ring.
4
10980
1435
نور را به شکل حلقه خم می‌کند.
00:24
However, this isn't a real photograph,
5
12439
2109
گر چه این یک عکس واقعی نیست،
00:26
but a computer graphic rendering --
6
14572
1786
و صرفا یک اثر گرافیکی کامپیوتری است--
00:28
an artistic interpretation
of what a black hole might look like.
of what a black hole might look like.
7
16382
3390
تفسیری هنرمندانه از آنچه که باید شبیه
یک سیاه چاله باشد.
یک سیاه چاله باشد.
00:32
A hundred years ago,
8
20401
1166
صد سال پیش ،
00:33
Albert Einstein first published
his theory of general relativity.
his theory of general relativity.
9
21591
3601
آلبرت انیشتین اولین بار تئوری نسبیت عام
خود را منتشر کرد.
خود را منتشر کرد.
00:37
In the years since then,
10
25216
1439
در سالهای بعد از آن،
00:38
scientists have provided
a lot of evidence in support of it.
a lot of evidence in support of it.
11
26679
2973
دانشمندان در اثبات آن شواهد زیادی
بدست آوردند.
بدست آوردند.
00:41
But one thing predicted
from this theory, black holes,
from this theory, black holes,
12
29676
3084
اما چیزی که از این تئوری
پیشگویی شد، سیاه چاله‌ها،
پیشگویی شد، سیاه چاله‌ها،
00:44
still have not been directly observed.
13
32784
2350
هنوز به صورت مستقیم مشاهده نشده است.
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
با این وجود ما ایده‌ای داریم که سیاه چاله
باید به چه شکل باشد،
باید به چه شکل باشد،
00:50
we've never actually taken
a picture of one before.
a picture of one before.
15
38388
2779
ما قبلا هیچوقت از هیچ یک از آنها عکس
نگرفتیم.
نگرفتیم.
00:53
However, you might be surprised to know
that that may soon change.
that that may soon change.
16
41191
4279
هرچند، شاید شگفت زده شوید اگر بشنوید
که این امر خیلی زود ممکن است تغییر کند.
که این امر خیلی زود ممکن است تغییر کند.
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
ما ممکن است اولین عکس خودمان از سیاه چاله
را در دو سال آینده ببینیم.
را در دو سال آینده ببینیم.
01:01
Getting this first picture will come down
to an international team of scientists,
to an international team of scientists,
18
49682
3958
گرفتن این اولین عکس توسط
یک تیم بین المللی دانشمندان،
یک تیم بین المللی دانشمندان،
01:05
an Earth-sized telescope
19
53664
1567
یک تلسکوپ با سایز زمین و
01:07
and an algorithm that puts together
the final picture.
the final picture.
20
55255
2832
الگوریتمی که عکس نهایی را
کنارهم قرار میدهد، انجام خواهد شد.
کنارهم قرار میدهد، انجام خواهد شد.
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
با وجود این که من امروز قادر نیستم یک عکس
واقعی از سیاه چاله نشان دهم،
واقعی از سیاه چاله نشان دهم،
01:13
I'd like to give you a brief glimpse
into the effort involved
into the effort involved
22
61663
2911
مایلم یک دید سریع و اجمالی به شما
از کوششی ارائه کنم
از کوششی ارائه کنم
01:16
in getting that first picture.
23
64598
1613
که در رسیدن به آن عکس اولیه است.
01:19
My name is Katie Bouman,
24
67477
1437
اسم من کتی بومان است،
01:20
and I'm a PhD student at MIT.
25
68938
2566
و من دانشجوی دکترای در ام ای تی هستم.
01:23
I do research in a computer science lab
26
71528
2027
در آزمایشگاه علوم کامپیوتری تحقیق می کنم
01:25
that works on making computers
see through images and video.
see through images and video.
27
73579
3298
که روی ساخت کامپیوترهایی که
تصاویر و ویدیوها را می بیند، کار می کند.
تصاویر و ویدیوها را می بیند، کار می کند.
01:28
But although I'm not an astronomer,
28
76901
2162
با وجود این که ستاره شناس نیستم،
01:31
today I'd like to show you
29
79087
1285
امروز مایلم به شما نشان دهم
01:32
how I've been able to contribute
to this exciting project.
to this exciting project.
30
80396
2903
که چطور قادرم در این پروژه هیجان انگیز
همکاری کنم.
همکاری کنم.
01:35
If you go out past
the bright city lights tonight,
the bright city lights tonight,
31
83323
2831
اگر شما امشب از روشنایی نور شهر خارج شوید،
01:38
you may just be lucky enough
to see a stunning view
to see a stunning view
32
86178
2436
ممکن است این قدر خوش شانس باشید
که تصویرعالی
که تصویرعالی
01:40
of the Milky Way Galaxy.
33
88638
1493
از کهکشان راه شیری را ببینید.
01:42
And if you could zoom past
millions of stars,
millions of stars,
34
90155
2462
و اگر شما بتوانید میلیونها ستاره را
01:44
26,000 light-years toward the heart
of the spiraling Milky Way,
of the spiraling Milky Way,
35
92641
3755
که ۲۶،۰۰۰ سال نوری دورتر از قلب
راه شیری مارپیچی هستند، بزرگ کنید
راه شیری مارپیچی هستند، بزرگ کنید
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
در نهایت به گروهی از ستاره ها درست
در مرکز می رسیم.
در مرکز می رسیم.
01:51
Peering past all the galactic dust
with infrared telescopes,
with infrared telescopes,
37
99965
3206
با کنار زدن همه غبارهای کهکشانی توسط
تلسکوپ مادون قرمز،
تلسکوپ مادون قرمز،
01:55
astronomers have watched these stars
for over 16 years.
for over 16 years.
38
103195
3867
ستاره شناسان این ستاره ها را ۱۶ سال
تماشا می‌کردند.
تماشا می‌کردند.
01:59
But it's what they don't see
that is the most spectacular.
that is the most spectacular.
39
107086
3589
اما آنچه که آنها نمی‌بینند
خیلی تماشایی است.
خیلی تماشایی است.
02:02
These stars seem to orbit
an invisible object.
an invisible object.
40
110699
3066
این ستاره ها به نظر یک شی غیر قابل رویت
را دور می زنند.
را دور می زنند.
02:05
By tracking the paths of these stars,
41
113789
2323
با پیگیری مسیر این ستاره ها،
02:08
astronomers have concluded
42
116136
1294
اخترشناسان نتیجه گرفته اند
02:09
that the only thing small and heavy
enough to cause this motion
enough to cause this motion
43
117454
3129
که تنها چیز کوچکی و سنگینی
که منجر به این حرکت می شود
که منجر به این حرکت می شود
02:12
is a supermassive black hole --
44
120607
1968
یک سیاه چاله کلان جرم است
02:14
an object so dense that it sucks up
anything that ventures too close --
anything that ventures too close --
45
122599
4178
و یک شی که هرچیزی که جرات نزدیک شدن
به آن داشته باشد را میمکد
به آن داشته باشد را میمکد
02:18
even light.
46
126801
1494
حتی نور.
02:20
But what happens if we were
to zoom in even further?
to zoom in even further?
47
128319
3061
اما چه اتفاقی می افتد اگر ما
بیشتر آن را نزدیک کنیم؟
بیشتر آن را نزدیک کنیم؟
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
ممکن است که چیزی را ببینیم، که به تعریف،
دیدنش غیر ممکن باشد ؟
دیدنش غیر ممکن باشد ؟
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
اگر ما در
طول موجهای رادیویی متمرکز شویم
طول موجهای رادیویی متمرکز شویم
02:31
we'd expect to see a ring of light
50
139987
1682
انتظار داریم حلقه نوری را ببینیم
02:33
caused by the gravitational
lensing of hot plasma
lensing of hot plasma
51
141693
2411
که به دلیل گرانش عدسی مانند پلاسمای داغ
02:36
zipping around the black hole.
52
144128
1829
در اطراف سیاه چاله فشرده می شود.
02:37
In other words,
53
145981
1160
به عبارت دیگر،
02:39
the black hole casts a shadow
on this backdrop of bright material,
on this backdrop of bright material,
54
147165
3171
سیاه چاله به طرح یک سایه در پشت
این مواد نوری قرار می گیرد،
این مواد نوری قرار می گیرد،
02:42
carving out a sphere of darkness.
55
150360
1842
که خارج یک کره تاریک حک شده.
02:44
This bright ring reveals
the black hole's event horizon,
the black hole's event horizon,
56
152226
3339
این حلقه روشن منطقه رویداد سیاه چاله
را آشکار می کند.
را آشکار می کند.
02:47
where the gravitational pull
becomes so great
becomes so great
57
155589
2400
جایی که کشش گرانشی چنان شدید می شود
02:50
that not even light can escape.
58
158013
1626
که حتی نور هم نمیتواند فرار کند.
02:51
Einstein's equations predict
the size and shape of this ring,
the size and shape of this ring,
59
159663
2859
معادلات انیشتین سایز و شکل این حلقه را
پیش بینی می کند.
پیش بینی می کند.
02:54
so taking a picture of it
wouldn't only be really cool,
wouldn't only be really cool,
60
162546
3208
بنابراین گرفتن عکس از آن نه تنها
فوق العاده است
فوق العاده است
02:57
it would also help to verify
that these equations hold
that these equations hold
61
165778
2618
بلکه همچنین کمک می کند تا
به آن معادلات در شرایط شدید
به آن معادلات در شرایط شدید
03:00
in the extreme conditions
around the black hole.
around the black hole.
62
168420
2466
اطراف سیاه چاله اعتبار ببخشد.
03:02
However, this black hole
is so far away from us,
is so far away from us,
63
170910
2558
اما، این سیاه چاله ها خیلی از ما دور هستند،
03:05
that from Earth, this ring appears
incredibly small --
incredibly small --
64
173492
3098
طوری که از زمین، این حلقه خیلی کوچک
ظاهر می شود --
ظاهر می شود --
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
آن سایز کوچک برای ما مثل یک پرتقال
می ماند در صفحه ماه.
می ماند در صفحه ماه.
03:12
That makes taking a picture of it
extremely difficult.
extremely difficult.
66
180758
2824
این مسله، گرفتن عکس از آن را به شدت
سخت می کند.
سخت می کند.
03:16
Why is that?
67
184645
1302
چرا این گونه است ؟
03:18
Well, it all comes down
to a simple equation.
to a simple equation.
68
186512
3188
خوب، اینها همه از یک معادله ساده
شروع می شود.
شروع می شود.
03:21
Due to a phenomenon called diffraction,
69
189724
2416
براساس پدیده ای که آن را تداخل می نامند،
03:24
there are fundamental limits
70
192164
1355
محدودیت های اساسی برای
03:25
to the smallest objects
that we can possibly see.
that we can possibly see.
71
193543
2670
کوچکترین شی که ما میتوانیم ببینیم،
وجود دارد.
وجود دارد.
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
این معادله می گوید که برای دیدن
اشیاء کوچک و کوچکتر
اشیاء کوچک و کوچکتر
03:32
we need to make our telescope
bigger and bigger.
bigger and bigger.
73
200485
2587
ما احتیاج داریم که تلسکوپهای
بزرگ و بزرگتر بسازیم.
بزرگ و بزرگتر بسازیم.
03:35
But even with the most powerful
optical telescopes here on Earth,
optical telescopes here on Earth,
74
203096
3069
اما حتی با تلسکوپهای قوی اپتیکی
روی زمین هم،
روی زمین هم،
03:38
we can't even get close
to the resolution necessary
to the resolution necessary
75
206189
2419
نمیتوانیم شفافیت لازم و
تقریبی
تقریبی
03:40
to image on the surface of the moon.
76
208632
2198
عکس از سطح ماه را بدست آوریم.
03:42
In fact, here I show one of the highest
resolution images ever taken
resolution images ever taken
77
210854
3617
در واقع، اینجا به شما یکی از با کیفیترین
عکسهایی که روی زمین
عکسهایی که روی زمین
03:46
of the moon from Earth.
78
214495
1397
از ماه گرفتیم را نشان میدهم.
03:47
It contains roughly 13,000 pixels,
79
215916
2557
شامل تقریبا ۱۳،۰۰۰ پیکسل است.
03:50
and yet each pixel would contain
over 1.5 million oranges.
over 1.5 million oranges.
80
218497
4050
و هر کدام از پیکسلها شامل
۱/۵ میلیون پرتقال هستند.
۱/۵ میلیون پرتقال هستند.
03:55
So how big of a telescope do we need
81
223396
1972
پس تلسکوپی که نیاز داریم
چقدر بزرگ باشد
چقدر بزرگ باشد
03:57
in order to see an orange
on the surface of the moon
on the surface of the moon
82
225392
2765
تا بتوانیم یک پرتقال را روی سطح ماه ببینیم
04:00
and, by extension, our black hole?
83
228181
2214
و با تعمیم، سیاه چاله مان را ببینیم؟
04:02
Well, it turns out
that by crunching the numbers,
that by crunching the numbers,
84
230419
2340
خوب به نظر می رسد، با خرد کردن عددها،
04:04
you can easily calculate
that we would need a telescope
that we would need a telescope
85
232783
2610
شما راحت میتوانید حساب کنید که
به تلسکوپی نیازمندیم که
به تلسکوپی نیازمندیم که
04:07
the size of the entire Earth.
86
235417
1393
در سایز کل زمین باشد.
04:08
(Laughter)
87
236834
1024
(خنده)
04:09
If we could build
this Earth-sized telescope,
this Earth-sized telescope,
88
237882
2119
اگرمیتوانستیم تلسکوپی
با این مقیاس بسازیم،
با این مقیاس بسازیم،
04:12
we could just start to make out
that distinctive ring of light
that distinctive ring of light
89
240025
2925
میتوانستیم از آن حلقه نور مشخص
شروع کنیم
شروع کنیم
04:14
indicative of the black
hole's event horizon.
hole's event horizon.
90
242974
2183
که نشانه ای از منطقه وقوع سیاه چاله است.
04:17
Although this picture wouldn't contain
all the detail we see
all the detail we see
91
245181
2918
با این حال این تصویر شامل همه جزِئیاتی
نیست که در
نیست که در
04:20
in computer graphic renderings,
92
248123
1506
تفسیر گرافیکی کامپیوتر
می بینیم،
می بینیم،
04:21
it would allow us to safely get
our first glimpse
our first glimpse
93
249653
2299
به ما اجازه می دهد که اولین
دیدگاه اجمالی
دیدگاه اجمالی
04:23
of the immediate environment
around a black hole.
around a black hole.
94
251976
2487
از محیط اطراف سیاه چاله را پیدا کنیم.
04:26
However, as you can imagine,
95
254487
1613
هرچند، همان طور که تصور می کنید،
04:28
building a single-dish telescope
the size of the Earth is impossible.
the size of the Earth is impossible.
96
256124
3624
ساختن یک تک دیش تلسکوپ با
بزرگی زمین غیرممکن است.
بزرگی زمین غیرممکن است.
04:31
But in the famous words of Mick Jagger,
97
259772
1887
اما یک نقل قول معروفی از میک چاگجر هست،
04:33
"You can't always get what you want,
98
261683
1791
《شما نمیتوانیم به هرآنچه میخواهد
برسید
برسید
04:35
but if you try sometimes,
you just might find
you just might find
99
263498
2187
اما اگر برای چیزی تلاش کنید،
شما ممکن است به
شما ممکن است به
04:37
you get what you need."
100
265709
1215
آنچه احتیاج دارید برسید》
04:38
And by connecting telescopes
from around the world,
from around the world,
101
266948
2464
و با متصل کردن تلسکوپها در همه دنیا،
04:41
an international collaboration
called the Event Horizon Telescope
called the Event Horizon Telescope
102
269436
3538
یک همکاری بین لمللی، که به آن
افق رویداد تلسکوپی می گویند
افق رویداد تلسکوپی می گویند
04:44
is creating a computational telescope
the size of the Earth,
the size of the Earth,
103
272998
3109
یک تلسکوپ کامپیوتری در سایز
زمین می سازد،
زمین می سازد،
04:48
capable of resolving structure
104
276131
1537
که قادراست به باسازی ساختارها
04:49
on the scale of a black
hole's event horizon.
hole's event horizon.
105
277692
2199
در مقیاس پدیده افق یک سیاه چاله است.
04:51
This network of telescopes is scheduled
to take its very first picture
to take its very first picture
106
279915
3387
این شبکه تلسکوپی برنامه ریزی می شود
تا اولین تصویر را از
تا اولین تصویر را از
04:55
of a black hole next year.
107
283326
1815
یک سیاه چاله در سال آینده بگیرد.
04:57
Each telescope in the worldwide
network works together.
network works together.
108
285165
3338
هرکدام از تلسکوپها در شبکه جهانی
با هم همکاری دارند.
با هم همکاری دارند.
05:00
Linked through the precise timing
of atomic clocks,
of atomic clocks,
109
288527
2712
هماهنگ شده از طریق زمانبندی
ساعتهای اتمی دقیق،
ساعتهای اتمی دقیق،
05:03
teams of researchers at each
of the sights freeze light
of the sights freeze light
110
291263
2657
تیم های محققان در هر طرف نور را،
05:05
by collecting thousands
of terabytes of data.
of terabytes of data.
111
293944
2962
با جمع آوری هزاران ترابایت از
دادههای اطلاعاتی منجمد می کنند.
دادههای اطلاعاتی منجمد می کنند.
05:08
This data is then processed in a lab
right here in Massachusetts.
right here in Massachusetts.
112
296930
5017
این داده ها به آزمایشگاه اینجا
در ماساچوست فرستاده می شود.
در ماساچوست فرستاده می شود.
05:13
So how does this even work?
113
301971
1794
بنابراین، چطور این اتفاق کار
می کند؟
می کند؟
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
یادمان باشد اگر ما بخواهیم که آن
سیاه چاله در مرکز کهکشانمان را ببینم
سیاه چاله در مرکز کهکشانمان را ببینم
05:19
we need to build this impossibly large
Earth-sized telescope?
Earth-sized telescope?
115
307216
2982
نیازمندیم که یک تلسکوپ غیرممکن
در سایز زمین بسازیم؟
در سایز زمین بسازیم؟
05:22
For just a second,
let's pretend we could build
let's pretend we could build
116
310222
2232
فقط برای یک ثانیه، بیایید وانمود کنیم که
ما
ما
05:24
a telescope the size of the Earth.
117
312478
1842
میتوانیم یک تسکوپ در سایز زمین بسازیم.
05:26
This would be a little bit
like turning the Earth
like turning the Earth
118
314344
2455
این شبیه آن است که زمین را تبدیل کنیم
05:28
into a giant spinning disco ball.
119
316823
1747
به یک توپ چرخنده دیسکو قول پیکر.
05:30
Each individual mirror would collect light
120
318594
2200
هر کدام از آینه های منفرد نور را
جمع می کند
جمع می کند
05:32
that we could then combine
together to make a picture.
together to make a picture.
121
320818
2597
تا ما بتوانیم با هم ترکیب کنیم و
یک تصویر بسازیم.
یک تصویر بسازیم.
05:35
However, now let's say
we remove most of those mirrors
we remove most of those mirrors
122
323439
2661
اما، حالا بگذارید بگویم، ما بیشتر
این آینه ها را برداشتیم
این آینه ها را برداشتیم
05:38
so only a few remained.
123
326124
1972
بنابراین فقط تعداد کمی باقی ماند.
05:40
We could still try to combine
this information together,
this information together,
124
328120
2877
هنوز تلاش می کنیم که این اطلاعات
را با هم ترکیب کنیم
را با هم ترکیب کنیم
05:43
but now there are a lot of holes.
125
331021
1993
اما حالا تعداد زیادی سوراخ وجود دارد.
05:45
These remaining mirrors represent
the locations where we have telescopes.
the locations where we have telescopes.
126
333038
4373
این آینه های باقی مانده موقعیت هایی را
نشان می دهند که آنجا تلسکوپ داریم.
نشان می دهند که آنجا تلسکوپ داریم.
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
این تنها بخش خیلی کوچکی از اندازه گیریها
در گرفتن تصویر است.
در گرفتن تصویر است.
05:53
But although we only collect light
at a few telescope locations,
at a few telescope locations,
128
341538
3838
اما با وجود این که ما فقط نور تعداد کمی
از تلسکوپهای موضعی را جمع کردیم،
از تلسکوپهای موضعی را جمع کردیم،
05:57
as the Earth rotates, we get to see
other new measurements.
other new measurements.
129
345400
3423
در چرخشهای زمین، اندازه گیریهای
دیگری راهم می بینم.
دیگری راهم می بینم.
06:00
In other words, as the disco ball spins,
those mirrors change locations
those mirrors change locations
130
348847
3819
به عبارتی، همان طور که توپ دیسکو می چرخد
آن آینه ها مکانشان را عوض می کنند.
آن آینه ها مکانشان را عوض می کنند.
06:04
and we get to observe
different parts of the image.
different parts of the image.
131
352690
2899
و ما قسمت های متفاوت تصویر
را مشاهده می کنیم.
را مشاهده می کنیم.
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
این الگوریتم تصویری که توسعه می دهیم
شکافهای توپ دیسکو را
شکافهای توپ دیسکو را
06:11
in order to reconstruct
the underlying black hole image.
the underlying black hole image.
133
359655
3033
برای ساختن تصویر یک سیاه چاله اصولی
پر می کند.
پر می کند.
06:14
If we had telescopes located
everywhere on the globe --
everywhere on the globe --
134
362712
2636
اگر تسکوپهایی در
همه جای دنیا قرار داشتیم--
همه جای دنیا قرار داشتیم--
06:17
in other words, the entire disco ball --
135
365372
1941
به عبارت دیگر درسرتاسر توپ دیسکو--
06:19
this would be trivial.
136
367337
1284
کار ناچیزی تلقی میشد.
06:20
However, we only see a few samples,
and for that reason,
and for that reason,
137
368645
3322
اما، ما فقط چند نمونه را می بینیم و
به آن دلیل
به آن دلیل
06:23
there are an infinite number
of possible images
of possible images
138
371991
2388
تعداد بینهایتی از تصاویر ممکن وجود دارد
06:26
that are perfectly consistent
with our telescope measurements.
with our telescope measurements.
139
374403
2964
که به طور کامل شامل اندازه گیری
تلسکوپ ما خواهد شد،
تلسکوپ ما خواهد شد،
06:29
However, not all images are created equal.
140
377391
3016
اما، همه تصاویر به طور یکسان
ساخته نمی شوند
ساخته نمی شوند
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
بعضی از آن تصاویر بیشتر به آنچه
ما فکر می کنیم شبیه هستند.
ما فکر می کنیم شبیه هستند.
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
خوب، نقش من در گرفتن اولین
تصویر از سیاه چاله
تصویر از سیاه چاله
06:40
is to design algorithms that find
the most reasonable image
the most reasonable image
143
388577
2932
طراحی الگوریتمی است که یک تصویر قابل قبول
پیدا کند،
پیدا کند،
06:43
that also fits the telescope measurements.
144
391533
2222
که همچنان با اندازه گیریهای تلسکوپ
تطبیق شود.
تطبیق شود.
06:46
Just as a forensic sketch artist
uses limited descriptions
uses limited descriptions
145
394727
3942
درست مثل یک هنرمند طراح که از تعریفهای
محدود استفاده می کند
محدود استفاده می کند
06:50
to piece together a picture using
their knowledge of face structure,
their knowledge of face structure,
146
398693
3514
تا همه با هم تصویری را حاصل کنند
که از دانش ساختار چهره بهره می گیرد،
که از دانش ساختار چهره بهره می گیرد،
06:54
the imaging algorithms I develop
use our limited telescope data
use our limited telescope data
147
402231
3315
الگوریتمهای تصویرسازی که بسط میدهم
از داده محدود تلسکوپها استفاده می کند
از داده محدود تلسکوپها استفاده می کند
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
تا برای تصویری حاصل شود که شبیه
اجسام دنیای ما باشد.
اجسام دنیای ما باشد.
07:01
Using these algorithms,
we're able to piece together pictures
we're able to piece together pictures
149
409916
3651
با استفاده از این الگوریتمها قادریم که
عکسهایی را از
عکسهایی را از
07:05
from this sparse, noisy data.
150
413591
2180
داده های پراکنده و نویزی بهم متصل کنیم.
07:07
So here I show a sample reconstruction
done using simulated data,
done using simulated data,
151
415795
4529
خوب، اینجا من نمونه بازسازی شده
از داده های شبیه سازی شده را نشان می دهم،
از داده های شبیه سازی شده را نشان می دهم،
07:12
when we pretend to point our telescopes
152
420348
1933
مربوط به وقتی که ما توجه
تلسکوپهایمان
تلسکوپهایمان
07:14
to the black hole
in the center of our galaxy.
in the center of our galaxy.
153
422305
2585
را به سیاه چاله مرکز کهکشانمان
فرا می خوانیم.
فرا می خوانیم.
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
با وجود اینکه، این فقط یک شبیه سازی است
باسازی آن به ما این امید را میدهد
باسازی آن به ما این امید را میدهد
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
که به زودی قادریم اولین تصویرمان
از یک سیاه چاله را بگیریم
از یک سیاه چاله را بگیریم
07:24
and from it, determine
the size of its ring.
the size of its ring.
156
432870
2595
و از روی آن سایز حلقه آن را مشخص کنیم.
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
با اینکه من علاقه مندم که درباره همه
جزییات این الگوریتم صحبت کنم،
جزییات این الگوریتم صحبت کنم،
07:31
luckily for you, I don't have the time.
158
439341
2174
ولی از خوش اقبالی شما، وقت آن ندارم.
07:33
But I'd still like
to give you a brief idea
to give you a brief idea
159
441539
2001
اما هنوز دوست دارم که
یک ایده خلاصه بدهم که
یک ایده خلاصه بدهم که
07:35
of how we define
what our universe looks like,
what our universe looks like,
160
443564
2302
چگونه آنچه که دنیای ما
به آن شبیه است را تعریف می کنیم،
به آن شبیه است را تعریف می کنیم،
07:37
and how we use this to reconstruct
and verify our results.
and verify our results.
161
445890
4466
و چطور از آن استفاده می کنیم تا
نتیجه ها را بازسازی و معتبر کنیم.
نتیجه ها را بازسازی و معتبر کنیم.
07:42
Since there are an infinite number
of possible images
of possible images
162
450380
2496
از آنجا که تعداد بی شماری از تصاویر
ممکن وجود دارد
ممکن وجود دارد
07:44
that perfectly explain
our telescope measurements,
our telescope measurements,
163
452900
2365
که کاملا اندازه گیری های تلسکوپ ما
را شرح می دهد،
را شرح می دهد،
07:47
we have to choose
between them in some way.
between them in some way.
164
455289
2605
باید با روشی را از
بین آنها انتخاب کنیم.
بین آنها انتخاب کنیم.
07:49
We do this by ranking the images
165
457918
1838
با رتبه بندی تصاویر این کار را میکنیم،
07:51
based upon how likely they are
to be the black hole image,
to be the black hole image,
166
459780
2834
بر این اساس که چقدر آنها شبیه یک تصویر
سیاه چاله هستند،
سیاه چاله هستند،
07:54
and then choosing the one
that's most likely.
that's most likely.
167
462638
2482
و سپس می شود یکی که بیشتر شبیه است
را انتخاب نمود.
را انتخاب نمود.
07:57
So what do I mean by this exactly?
168
465144
2195
خوب، دقیقا منظور من چیست؟
07:59
Let's say we were trying to make a model
169
467862
1978
بگوییم که در تلاش بودیم
که مدلی بسازیم
که مدلی بسازیم
08:01
that told us how likely an image
were to appear on Facebook.
were to appear on Facebook.
170
469864
3183
که به ما بگوید چقدر شبیه تصویری است که
در فیس بوک ظاهر می شود.
در فیس بوک ظاهر می شود.
08:05
We'd probably want the model to say
171
473071
1701
ما احتمالا مدلی می خواهیم که بگوید
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
کاملا ناممکن است که کسی این
تصویر پر از نویز سمت چپی را پست کند،
تصویر پر از نویز سمت چپی را پست کند،
08:10
and pretty likely that someone
would post a selfie
would post a selfie
173
478377
2419
و کاملا ممکن است که کسی عکس
سلفی مانند آن
سلفی مانند آن
08:12
like this one on the right.
174
480820
1334
سمت راستی را پست کند.
08:14
The image in the middle is blurry,
175
482178
1639
عکس وسط کدر است،
08:15
so even though it's more likely
we'd see it on Facebook
we'd see it on Facebook
176
483841
2639
خوب، حتی با اینکه مانند عکسهای فیسبوکی
است که در مقایسه
است که در مقایسه
08:18
compared to the noise image,
177
486504
1360
با عکس برفکی می بینیم،
08:19
it's probably less likely we'd see it
compared to the selfie.
compared to the selfie.
178
487888
2960
احتمالا کمتر مانند عکسهای
سلفی است که دیدیم.
سلفی است که دیدیم.
08:22
But when it comes to images
from the black hole,
from the black hole,
179
490872
2290
اما وقتی الگوریتم روی عکسهای
سیاه چاله انجام شود
سیاه چاله انجام شود
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
درگیر یک مسئله جدی میشویم
ما هیچ وقت قبلا سیاه چاله را ندیده ایم.
ما هیچ وقت قبلا سیاه چاله را ندیده ایم.
08:28
In that case, what is a likely
black hole image,
black hole image,
181
496712
2291
در این صورت، تصویر سیاهچاله به
چه چیزی شبیه است.
چه چیزی شبیه است.
08:31
and what should we assume
about the structure of black holes?
about the structure of black holes?
182
499027
2938
و ما درباره ساختار سیاه چاله چه چیزی را
باید در نظر بگیریم؟
باید در نظر بگیریم؟
08:33
We could try to use images
from simulations we've done,
from simulations we've done,
183
501989
2632
می توانیم از تصاویر که شبیه ساز کردیم
استفاده کنیم.
استفاده کنیم.
08:36
like the image of the black hole
from "Interstellar,"
from "Interstellar,"
184
504645
2530
مانند تصویر سیاه چاله
در فیلم "بین ستاره ای"،
در فیلم "بین ستاره ای"،
08:39
but if we did this,
it could cause some serious problems.
it could cause some serious problems.
185
507199
2938
اما اگر چنین کنیم،
ممکن است منجر به بعضی از مشکلات جدی شود.
ممکن است منجر به بعضی از مشکلات جدی شود.
08:42
What would happen
if Einstein's theories didn't hold?
if Einstein's theories didn't hold?
186
510161
3380
چه اتفاقی می افتد اگر تئوری انیشتن
درست نباشد؟
درست نباشد؟
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
ما هنوز می خواهیم یک تصویر دقیق از آنچه
رخ میدهد را بازسازی کنیم.
رخ میدهد را بازسازی کنیم.
08:49
If we bake Einstein's equations
too much into our algorithms,
too much into our algorithms,
188
517550
3371
اگر ما با الگوریتمهای خود معادلات انیشتن
را بشدت رد کنیم،
را بشدت رد کنیم،
08:52
we'll just end up seeing
what we expect to see.
what we expect to see.
189
520945
2755
تنها منجر به مشاهده آنچه انتظار داریم
خواهد شد.
خواهد شد.
08:55
In other words,
we want to leave the option open
we want to leave the option open
190
523724
2276
به عبارتی، ما میخواهیم این
گزینه را باز رها کنیم
گزینه را باز رها کنیم
08:58
for there being a giant elephant
at the center of our galaxy.
at the center of our galaxy.
191
526024
2923
برای اینکه یک فیل غول پیکر در مرکز
کهکشان ما وجود دارد.
کهکشان ما وجود دارد.
09:00
(Laughter)
192
528971
1057
(خنده)
09:02
Different types of images have
very distinct features.
very distinct features.
193
530052
2989
انواع مختلف تصاویر
ویژگیهای خیلی متفاوتی دارند.
ویژگیهای خیلی متفاوتی دارند.
09:05
We can easily tell the difference
between black hole simulation images
between black hole simulation images
194
533065
3548
ما میتوانیم خیلی ساده تفاوت بین تصاویر
شبیه سازی سیاه چاله ها و
شبیه سازی سیاه چاله ها و
09:08
and images we take
every day here on Earth.
every day here on Earth.
195
536637
2276
تصاویری که هر روز روی زمین میگیریم
را بگوییم.
را بگوییم.
09:10
We need a way to tell our algorithms
what images look like
what images look like
196
538937
3104
به روشی نیازمندیم که به الگوریتمهای
ما بگوید
ما بگوید
09:14
without imposing one type
of image's features too much.
of image's features too much.
197
542065
3249
بدون تحمیل زیاد ویژگی یک نوع عکس
تصاویر به چه میمانند.
تصاویر به چه میمانند.
09:17
One way we can try to get around this
198
545865
1893
یک روش برای رسیدن به این ایده
09:19
is by imposing the features
of different kinds of images
of different kinds of images
199
547782
3062
تحمیل ویژگیهای انواع تصاویر مختلف است
09:22
and seeing how the type of image we assume
affects our reconstructions.
affects our reconstructions.
200
550868
4130
و دیدن این که چطور نوع تصویری که ما در
نظر می گیریم روی بازسازی ما اثر می گذارد.
نظر می گیریم روی بازسازی ما اثر می گذارد.
09:27
If all images' types produce
a very similar-looking image,
a very similar-looking image,
201
555712
3491
اگر همه انواع تصاویر یک تصویر
واحد را بسازند،
واحد را بسازند،
09:31
then we can start to become more confident
202
559227
2057
ما می توانیم اعتماد به نفس پیدا کنیم که
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
آن فرضهای تصویری که گرفتیم
این تصویر را خیلی عوض نکرده است.
این تصویر را خیلی عوض نکرده است.
09:37
This is a little bit like
giving the same description
giving the same description
204
565505
2990
این کمی شبیه دادن یک توصیف مشابه
09:40
to three different sketch artists
from all around the world.
from all around the world.
205
568519
2996
به سه هنرمند مختلف طراح از سه نقطه دنیاست.
09:43
If they all produce
a very similar-looking face,
a very similar-looking face,
206
571539
2860
اگر هر سه یک چهره شبیه هم ساختند
09:46
then we can start to become confident
207
574423
1793
می توانیم اعتماد به نفس پیدا کنیم
09:48
that they're not imposing their own
cultural biases on the drawings.
cultural biases on the drawings.
208
576240
3616
که آنها تعصبهای مهم شخصی خود را روی طراحی
اعمال نکرده اند.
اعمال نکرده اند.
09:51
One way we can try to impose
different image features
different image features
209
579880
3315
یک روش که می توانیم ویژگیهای تصویری
متفاوت اعمال کنیم
متفاوت اعمال کنیم
09:55
is by using pieces of existing images.
210
583219
2441
استفاده از تصاویر موجود است.
09:58
So we take a large collection of images,
211
586214
2160
بنابراین مجموعه بزرگی از
تصاویر میسازیم
تصاویر میسازیم
10:00
and we break them down
into their little image patches.
into their little image patches.
212
588398
2718
و آن را به تکه های کوچک تجزیه می کنیم.
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
سپس می توانیم با این تکه های تصویری
کمی شبیه پازل کار کنیم.
کمی شبیه پازل کار کنیم.
10:07
And we use commonly seen puzzle pieces
to piece together an image
to piece together an image
214
595449
4278
و ما قطعه قطعه این پازل را
می بینیم که
می بینیم که
10:11
that also fits our telescope measurements.
215
599751
2452
که در ابتدا تلسکوپها اندازه گیری کرده اند.
10:15
Different types of images have
very distinctive sets of puzzle pieces.
very distinctive sets of puzzle pieces.
216
603040
3743
انواع مختلف تصاویر مجموعه قطعه های پازل
متمایزی را دارد.
متمایزی را دارد.
10:18
So what happens when we take the same data
217
606807
2806
بنابراین چه می شود وقتی ما داده های
یکسانی را استفاده کنیم
یکسانی را استفاده کنیم
10:21
but we use different sets of puzzle pieces
to reconstruct the image?
to reconstruct the image?
218
609637
4130
اما مجموعه قطعه های پازل متفاوتی را
استفاده می کنیم؟
استفاده می کنیم؟
10:25
Let's first start with black hole
image simulation puzzle pieces.
image simulation puzzle pieces.
219
613791
4766
اجازه بدهید اول از مجموعه پازل تصویر
شبیه سازی سیاه چاله شروع کنیم.
شبیه سازی سیاه چاله شروع کنیم.
10:30
OK, this looks reasonable.
220
618581
1591
خوب، منطقی به نظر می آید.
10:32
This looks like what we expect
a black hole to look like.
a black hole to look like.
221
620196
2694
این شبیه آن چیزی است که از
سیاه چاله انتظار داریم.
سیاه چاله انتظار داریم.
10:34
But did we just get it
222
622914
1193
اما قابل درک است چون
10:36
because we just fed it little pieces
of black hole simulation images?
of black hole simulation images?
223
624131
3314
چون با قطعات کوچک
تصاویر شبیه سازی سیاه چاله تعذیه اش کردیم؟
تصاویر شبیه سازی سیاه چاله تعذیه اش کردیم؟
10:39
Let's try another set of puzzle pieces
224
627469
1880
بیاید سری قطعات پازل دیگری
10:41
from astronomical, non-black hole objects.
225
629373
2509
از اختر شناسی و اشیاع غیر سیاه چاله
را امتحان کنیم.
را امتحان کنیم.
10:44
OK, we get a similar-looking image.
226
632914
2126
خوب، تصویر یکسان دیگری بدست میآوریم.
10:47
And then how about pieces
from everyday images,
from everyday images,
227
635064
2236
بعد از آن،
بقیه قطعات از تصاویر روزانه
بقیه قطعات از تصاویر روزانه
10:49
like the images you take
with your own personal camera?
with your own personal camera?
228
637324
2785
مانند تصاویری که شما با دوربین
شخصی خودتان می گیرید، چطور؟
شخصی خودتان می گیرید، چطور؟
10:53
Great, we see the same image.
229
641312
2115
عالیست، ما تصاویر یکسانی را می بینیم.
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
وقتی ما یک تصویر یکسان را از
همه مجموعه های قطعات پازل حاصل می کنیم
همه مجموعه های قطعات پازل حاصل می کنیم
10:58
then we can start to become more confident
231
646841
2046
می توانیم شروع به داشتن اعتماد بیشتری کنیم
11:00
that the image assumptions we're making
232
648911
1966
که فرض تصویری که گرفتیم
11:02
aren't biasing the final
image we get too much.
image we get too much.
233
650901
2921
بر اساس تصویر نهایی نیست که بدست میاید.
11:05
Another thing we can do is take
the same set of puzzle pieces,
the same set of puzzle pieces,
234
653846
3253
کار دیگری که می توانیم کنیم گرفتن
مجموعه قطعات پازل یکسان است
مجموعه قطعات پازل یکسان است
11:09
such as the ones derived
from everyday images,
from everyday images,
235
657123
2489
چنانچه از تصاویر روزانه بشود بدست آورد،
11:11
and use them to reconstruct
many different kinds of source images.
many different kinds of source images.
236
659636
3600
و از آنها استفاده کنیم تا انواع مختلفی از
منشا تصاویر را بازسازی کنیم.
منشا تصاویر را بازسازی کنیم.
11:15
So in our simulations,
237
663260
1271
خوب در شبیه سازی های ما،
11:16
we pretend a black hole looks like
astronomical non-black hole objects,
astronomical non-black hole objects,
238
664555
3775
ما سیاه چاله را شبیه اشیاء
غیر سیاه چاله ای اختری نمایش دادیم.
غیر سیاه چاله ای اختری نمایش دادیم.
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
همین طور تصاویر روزانه شبیه فیل
مرکز کهکشان ما است.
مرکز کهکشان ما است.
11:24
When the results of our algorithms
on the bottom look very similar
on the bottom look very similar
240
672227
3168
وقتی نتایج الگوریتم ما در
پایین خیلی شبیه به
پایین خیلی شبیه به
11:27
to the simulation's truth image on top,
241
675419
2096
تصاویر واقعی شبیه سازی شده در بالا شد
11:29
then we can start to become
more confident in our algorithms.
more confident in our algorithms.
242
677539
3346
میتوانیم شروع به داشتن اعتماد بیشتر
به الگوریتهایمان کنیم.
به الگوریتهایمان کنیم.
11:32
And I really want to emphasize here
243
680909
1867
و من واقعا میخواهم اینجا تاکید کنم که
11:34
that all of these pictures were created
244
682800
1934
همه این تصاویری که خلق شدند
11:36
by piecing together little pieces
of everyday photographs,
of everyday photographs,
245
684758
2936
با کنار هم قرار دادن قطعات ریز
عکسهای روزانه، شبیه عکسهایی
عکسهای روزانه، شبیه عکسهایی
11:39
like you'd take with your own
personal camera.
personal camera.
246
687718
2215
که شما با دوربین تان
می گیرید حاصل می شود.
می گیرید حاصل می شود.
11:41
So an image of a black hole
we've never seen before
we've never seen before
247
689957
3276
خوب عکسی از سیاه چاله که
هرگز قبلا ندیده ایم
هرگز قبلا ندیده ایم
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
را می شود با کنارهم قراردادن
تصاویری که همه وقت از مردم،
تصاویری که همه وقت از مردم،
11:49
of people, buildings,
trees, cats and dogs.
trees, cats and dogs.
249
697224
2745
ساختمانها، درختان،
گربه ها و سگها می بینیم خلق کرد.
گربه ها و سگها می بینیم خلق کرد.
11:51
Imaging ideas like this
will make it possible for us
will make it possible for us
250
699993
2645
ایده های تصویرسازی مانند این
برای ما ممکن می کند که
برای ما ممکن می کند که
11:54
to take our very first pictures
of a black hole,
of a black hole,
251
702662
2619
اولین عکس مان را از یک سیاه چاله بگیریم،
11:57
and hopefully, verify
those famous theories
those famous theories
252
705305
2447
و امیدواریم که تئوریها معروف
را ثابت کنیم.
را ثابت کنیم.
11:59
on which scientists rely on a daily basis.
253
707776
2421
تئوریهایی که دانشمندان اساساٌ
به آنها تکیه می کنند.
به آنها تکیه می کنند.
12:02
But of course, getting
imaging ideas like this working
imaging ideas like this working
254
710221
2608
اما البته گرفتن ایده های تصویری
شبیه این کار
شبیه این کار
12:04
would never have been possible
without the amazing team of researchers
without the amazing team of researchers
255
712853
3322
هرگز بدون تیم پژوهشگران ممکن نخواهد بود
12:08
that I have the privilege to work with.
256
716199
1887
که من امتیاز کار کردن با آنها را دارم.
12:10
It still amazes me
257
718110
1163
هنوز من را متعجب می کند
12:11
that although I began this project
with no background in astrophysics,
with no background in astrophysics,
258
719297
3351
که با اینکه من این پروژه را بدون هیچ
زمینه قبلی از اخترشناسی شروع کردم،
زمینه قبلی از اخترشناسی شروع کردم،
12:14
what we have achieved
through this unique collaboration
through this unique collaboration
259
722672
2619
آنچه که از طریق این همکاری
بی همتا حاصل کردیم
بی همتا حاصل کردیم
12:17
could result in the very first
images of a black hole.
images of a black hole.
260
725315
2759
میتواند اولین تصویر از سیاه چاله
را نتیجه دهد.
را نتیجه دهد.
12:20
But big projects like
the Event Horizon Telescope
the Event Horizon Telescope
261
728098
2698
اما پروژه های بزرگ شبیه
"تلسکوپ افق رویداد"
"تلسکوپ افق رویداد"
12:22
are successful due to all
the interdisciplinary expertise
the interdisciplinary expertise
262
730820
2814
به دلیل همه تخصصهای
بین رشته ای که افراد متفاوت
بین رشته ای که افراد متفاوت
12:25
different people bring to the table.
263
733658
1790
روی میز می گذارند،
موفق می شود .
موفق می شود .
12:27
We're a melting pot of astronomers,
264
735472
1706
ما یک ظرف ترکیب شده از اختر شناسان
12:29
physicists, mathematicians and engineers.
265
737202
2232
فیزیکدانها، ریاضیدانها و مهندسان هستیم.
12:31
This is what will make it soon possible
266
739458
2554
این گونه است که چیزی را
12:34
to achieve something
once thought impossible.
once thought impossible.
267
742036
2853
که فکر می کنند غیر ممکن است
حاصل شود را سریع ممکن می سازد.
حاصل شود را سریع ممکن می سازد.
12:36
I'd like to encourage all of you to go out
268
744913
2256
من میخواهم همه شما را تشویق کنم که
بیرون بروید
بیرون بروید
12:39
and help push the boundaries of science,
269
747193
2096
و به جلو راندن مرزهای علوم کمک کنید
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
حتی وقتی که در ابتدا مثل یک راز
برای شما می ماند
برای شما می ماند
12:45
Thank you.
271
753238
1174
سپاسگزارم.
12:46
(Applause)
272
754436
2397
(تشویق)
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