TEDxBeaconStreet
Katie Bouman: How to take a picture of a black hole
Katie Bouman: Hoe een foto maken van een zwart gat
Filmed:
Readability: 4.5
5,455,257 views
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.
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
In de film 'Interstellar'
00:15
we get an up-close look
at a supermassive black hole.
at a supermassive black hole.
1
3320
3327
zien we een close-up
van een superzwaar zwart gat.
van een superzwaar zwart gat.
00:18
Set against a backdrop of bright gas,
2
6671
2143
Tegen een achtergrond van oplichtend gas
buigt de enorme zwaartekracht
van het zwarte gat
van het zwarte gat
00:20
the black hole's massive
gravitational pull
gravitational pull
3
8838
2118
00:22
bends light into a ring.
4
10980
1435
het licht tot een ring.
00:24
However, this isn't a real photograph,
5
12439
2109
Dit is echter geen echte foto,
00:26
but a computer graphic rendering --
6
14572
1786
maar een computergrafische weergave --
00:28
an artistic interpretation
of what a black hole might look like.
of what a black hole might look like.
7
16382
3390
een artistieke interpretatie van hoe
een zwart gat eruit zou kunnen zien.
een zwart gat eruit zou kunnen zien.
Honderd jaar geleden kwam Albert Einstein
00:32
A hundred years ago,
8
20401
1166
00:33
Albert Einstein first published
his theory of general relativity.
his theory of general relativity.
9
21591
3601
met zijn theorie
van de algemene relativiteit.
van de algemene relativiteit.
00:37
In the years since then,
10
25216
1439
In de jaren daarna
00:38
scientists have provided
a lot of evidence in support of it.
a lot of evidence in support of it.
11
26679
2973
vonden wetenschappers veel bewijs
ter ondersteuning ervan.
ter ondersteuning ervan.
00:41
But one thing predicted
from this theory, black holes,
from this theory, black holes,
12
29676
3084
Maar één ding voorspeld op basis
van deze theorie, zwarte gaten,
van deze theorie, zwarte gaten,
00:44
still have not been directly observed.
13
32784
2350
is nog steeds niet direct waargenomen.
Hoewel we een idee hebben over hoe
een zwart gat eruit zou kunnen zien,
een zwart gat eruit zou kunnen zien,
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
00:50
we've never actually taken
a picture of one before.
a picture of one before.
15
38388
2779
hebben we er eigenlijk nog nooit
een foto van kunnen nemen.
een foto van kunnen nemen.
00:53
However, you might be surprised to know
that that may soon change.
that that may soon change.
16
41191
4279
Het zou je kunnen verbazen
dat dat nu snel kan gaan veranderen.
dat dat nu snel kan gaan veranderen.
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
Misschien krijgen we in de komende
paar jaar een zwart gat te zien.
paar jaar een zwart gat te zien.
01:01
Getting this first picture will come down
to an international team of scientists,
to an international team of scientists,
18
49682
3958
Daarvoor zullen nodig zijn:
een internationaal team
van wetenschappers,
van wetenschappers,
een Aarde-grote telescoop
01:05
an Earth-sized telescope
19
53664
1567
en een algoritme om het
uiteindelijke beeld samen te stellen.
uiteindelijke beeld samen te stellen.
01:07
and an algorithm that puts together
the final picture.
the final picture.
20
55255
2832
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
Hoewel ik jullie vandaag nog geen reëel
beeld van een zwart gat kan tonen,
beeld van een zwart gat kan tonen,
01:13
I'd like to give you a brief glimpse
into the effort involved
into the effort involved
22
61663
2911
wil ik jullie iets vertellen
over de benodigde inspanning
over de benodigde inspanning
01:16
in getting that first picture.
23
64598
1613
om die eerste foto te krijgen.
01:19
My name is Katie Bouman,
24
67477
1437
Mijn naam is Katie Bouman.
01:20
and I'm a PhD student at MIT.
25
68938
2566
Ik ben een PhD student aan het MIT.
Ik doe onderzoek in een lab
voor computerwetenschap
voor computerwetenschap
01:23
I do research in a computer science lab
26
71528
2027
01:25
that works on making computers
see through images and video.
see through images and video.
27
73579
3298
dat eraan werkt om computers
te laten zien via foto's en video.
te laten zien via foto's en video.
01:28
But although I'm not an astronomer,
28
76901
2162
Maar hoewel ik geen astronoom ben,
wil ik jullie vandaag laten zien
01:31
today I'd like to show you
29
79087
1285
hoe ik in staat was om bij te dragen
aan dit spannende project.
aan dit spannende project.
01:32
how I've been able to contribute
to this exciting project.
to this exciting project.
30
80396
2903
01:35
If you go out past
the bright city lights tonight,
the bright city lights tonight,
31
83323
2831
Als je de lichten van de stad
vanavond achter je laat,
vanavond achter je laat,
01:38
you may just be lucky enough
to see a stunning view
to see a stunning view
32
86178
2436
heb je kans op een prachtig uitzicht
01:40
of the Milky Way Galaxy.
33
88638
1493
op de Melkweg.
01:42
And if you could zoom past
millions of stars,
millions of stars,
34
90155
2462
Als je voorbij de miljoenen
sterren kon inzoomen,
sterren kon inzoomen,
01:44
26,000 light-years toward the heart
of the spiraling Milky Way,
of the spiraling Milky Way,
35
92641
3755
26.000 lichtjaar in de richting van
het hart van de spiraalvormige Melkweg,
het hart van de spiraalvormige Melkweg,
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
zouden we uiteindelijk een groep sterren
midden in het centrum bereiken.
midden in het centrum bereiken.
01:51
Peering past all the galactic dust
with infrared telescopes,
with infrared telescopes,
37
99965
3206
Door al het galactische stof heen turend
met infraroodtelescopen,
met infraroodtelescopen,
01:55
astronomers have watched these stars
for over 16 years.
for over 16 years.
38
103195
3867
houden astronomen deze sterren
al meer dan 16 jaar in de gaten.
al meer dan 16 jaar in de gaten.
01:59
But it's what they don't see
that is the most spectacular.
that is the most spectacular.
39
107086
3589
Maar net wat ze niet zien,
is het meest spectaculair.
is het meest spectaculair.
02:02
These stars seem to orbit
an invisible object.
an invisible object.
40
110699
3066
Deze sterren lijken
een onzichtbaar object te omcirkelen.
een onzichtbaar object te omcirkelen.
02:05
By tracking the paths of these stars,
41
113789
2323
Door het volgen
van de paden van deze sterren,
van de paden van deze sterren,
02:08
astronomers have concluded
42
116136
1294
hebben astronomen besloten
02:09
that the only thing small and heavy
enough to cause this motion
enough to cause this motion
43
117454
3129
dat het enige wat klein en zwaar genoeg
is om deze beweging te veroorzaken
is om deze beweging te veroorzaken
02:12
is a supermassive black hole --
44
120607
1968
een superzwaar zwart gat is --
02:14
an object so dense that it sucks up
anything that ventures too close --
anything that ventures too close --
45
122599
4178
een object zo dicht dat het alles wat
te kort bij komt naar zich toe zuigt --
te kort bij komt naar zich toe zuigt --
02:18
even light.
46
126801
1494
zelfs licht.
02:20
But what happens if we were
to zoom in even further?
to zoom in even further?
47
128319
3061
Maar wat gebeurt er als we
nog verder zouden inzoomen?
nog verder zouden inzoomen?
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
Is het mogelijk om iets te zien
dat per definitie onmogelijk te zien is?
dat per definitie onmogelijk te zien is?
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
Als we inzoomen met radiogolven
verwachten we een ring van licht te zien
02:31
we'd expect to see a ring of light
50
139987
1682
02:33
caused by the gravitational
lensing of hot plasma
lensing of hot plasma
51
141693
2411
veroorzaakt door de gravitatielens
van heet plasma
van heet plasma
02:36
zipping around the black hole.
52
144128
1829
dat rond het zwarte gat zwiert.
02:37
In other words,
53
145981
1160
Met andere woorden,
het zwarte gat werpt een schaduw
op deze achtergrond van heldere materie,
op deze achtergrond van heldere materie,
02:39
the black hole casts a shadow
on this backdrop of bright material,
on this backdrop of bright material,
54
147165
3171
02:42
carving out a sphere of darkness.
55
150360
1842
te zien als een duistere bol.
02:44
This bright ring reveals
the black hole's event horizon,
the black hole's event horizon,
56
152226
3339
Deze heldere ring onthult
de gebeurtenishorizon van het zwarte gat,
de gebeurtenishorizon van het zwarte gat,
02:47
where the gravitational pull
becomes so great
becomes so great
57
155589
2400
waar de aantrekkingskracht zo groot wordt
dat zelfs licht niet kan ontsnappen.
02:50
that not even light can escape.
58
158013
1626
02:51
Einstein's equations predict
the size and shape of this ring,
the size and shape of this ring,
59
159663
2859
Einsteins vergelijkingen voorspellen
de grootte en vorm ervan.
de grootte en vorm ervan.
02:54
so taking a picture of it
wouldn't only be really cool,
wouldn't only be really cool,
60
162546
3208
Het nemen van een foto ervan
zou niet alleen echt cool zijn,
zou niet alleen echt cool zijn,
02:57
it would also help to verify
that these equations hold
that these equations hold
61
165778
2618
maar zou ook helpen
om deze vergelijkingen te verifiëren
om deze vergelijkingen te verifiëren
03:00
in the extreme conditions
around the black hole.
around the black hole.
62
168420
2466
in de extreme omstandigheden
rond het zwarte gat.
rond het zwarte gat.
03:02
However, this black hole
is so far away from us,
is so far away from us,
63
170910
2558
Dit zwarte gat is echter zo ver weg
03:05
that from Earth, this ring appears
incredibly small --
incredibly small --
64
173492
3098
dat deze ring vanaf Aarde gezien
ongelooflijk klein lijkt --
ongelooflijk klein lijkt --
van dezelfde grootte voor ons als een
appelsien op het oppervlak van de maan.
appelsien op het oppervlak van de maan.
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
03:12
That makes taking a picture of it
extremely difficult.
extremely difficult.
66
180758
2824
Dat maakt het nemen van een foto
ervan uiterst moeilijk.
ervan uiterst moeilijk.
03:16
Why is that?
67
184645
1302
Waarom?
03:18
Well, it all comes down
to a simple equation.
to a simple equation.
68
186512
3188
Het komt allemaal neer
op een eenvoudige vergelijking.
op een eenvoudige vergelijking.
03:21
Due to a phenomenon called diffraction,
69
189724
2416
Vanwege het fenomeen diffractie
03:24
there are fundamental limits
70
192164
1355
zijn er fundamentele grenzen
03:25
to the smallest objects
that we can possibly see.
that we can possibly see.
71
193543
2670
voor de kleinste objecten
die we zouden kunnen zien.
die we zouden kunnen zien.
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
Deze vergelijking zegt dat om
kleiner en kleiner te kunnen zien,
kleiner en kleiner te kunnen zien,
03:32
we need to make our telescope
bigger and bigger.
bigger and bigger.
73
200485
2587
we onze telescoop groter
en groter moeten maken.
en groter moeten maken.
03:35
But even with the most powerful
optical telescopes here on Earth,
optical telescopes here on Earth,
74
203096
3069
Maar zelfs met de krachtigste
optische telescopen op Aarde
optische telescopen op Aarde
03:38
we can't even get close
to the resolution necessary
to the resolution necessary
75
206189
2419
komen we niet eens
in de buurt van de resolutie
in de buurt van de resolutie
nodig om het oppervlak
van de maan te bekijken.
van de maan te bekijken.
03:40
to image on the surface of the moon.
76
208632
2198
03:42
In fact, here I show one of the highest
resolution images ever taken
resolution images ever taken
77
210854
3617
Hier toon ik een van de hoogste
resoluties ooit genomen
resoluties ooit genomen
03:46
of the moon from Earth.
78
214495
1397
van de maan vanaf de Aarde.
03:47
It contains roughly 13,000 pixels,
79
215916
2557
Het bevat ongeveer 13.000 pixels,
03:50
and yet each pixel would contain
over 1.5 million oranges.
over 1.5 million oranges.
80
218497
4050
en toch zou elke pixel meer dan
1,5 miljoen sinaasappels bevatten.
1,5 miljoen sinaasappels bevatten.
03:55
So how big of a telescope do we need
81
223396
1972
Hoe groot moet dan de telescoop zijn
03:57
in order to see an orange
on the surface of the moon
on the surface of the moon
82
225392
2765
om een sinaasappel te zien
op het oppervlak van de maan,
op het oppervlak van de maan,
04:00
and, by extension, our black hole?
83
228181
2214
om van ons zwarte gat nog niet te spreken?
04:02
Well, it turns out
that by crunching the numbers,
that by crunching the numbers,
84
230419
2340
Nou, het blijkt dat je
een telescoop nodig zou hebben
04:04
you can easily calculate
that we would need a telescope
that we would need a telescope
85
232783
2610
ter grootte van de Aarde.
04:07
the size of the entire Earth.
86
235417
1393
(Gelach)
04:08
(Laughter)
87
236834
1024
Als we deze Aarde-grote
telescoop konden bouwen,
telescoop konden bouwen,
04:09
If we could build
this Earth-sized telescope,
this Earth-sized telescope,
88
237882
2119
04:12
we could just start to make out
that distinctive ring of light
that distinctive ring of light
89
240025
2925
zouden we een lichtkring kunnen zien
rond de waarnemingshorizon
van het zwarte gat.
van het zwarte gat.
04:14
indicative of the black
hole's event horizon.
hole's event horizon.
90
242974
2183
Al zou dit beeld
niet alle details laten zien
niet alle details laten zien
04:17
Although this picture wouldn't contain
all the detail we see
all the detail we see
91
245181
2918
zoals in de computergrafische weergave,
04:20
in computer graphic renderings,
92
248123
1506
04:21
it would allow us to safely get
our first glimpse
our first glimpse
93
249653
2299
het zou ons veilig een eerste blik gunnen
04:23
of the immediate environment
around a black hole.
around a black hole.
94
251976
2487
op de directe omgeving rond een zwart gat.
Jullie kunnen je voorstellen
04:26
However, as you can imagine,
95
254487
1613
dat het bouwen
van een telescoop met een schotel
van een telescoop met een schotel
04:28
building a single-dish telescope
the size of the Earth is impossible.
the size of the Earth is impossible.
96
256124
3624
zo groot als de Aarde onmogelijk is.
04:31
But in the famous words of Mick Jagger,
97
259772
1887
In de beroemde woorden van Mick Jagger:
04:33
"You can't always get what you want,
98
261683
1791
"Je krijgt niet altijd wat je wilt,
04:35
but if you try sometimes,
you just might find
you just might find
99
263498
2187
maar als je het probeert,
krijg je misschien wel
krijg je misschien wel
04:37
you get what you need."
100
265709
1215
wat je nodig hebt."
04:38
And by connecting telescopes
from around the world,
from around the world,
101
266948
2464
Telescopen uit de hele wereld
met elkaar combineren
met elkaar combineren
04:41
an international collaboration
called the Event Horizon Telescope
called the Event Horizon Telescope
102
269436
3538
in een internationale samenwerking,
de Event Horizon Telescope genaamd,
de Event Horizon Telescope genaamd,
04:44
is creating a computational telescope
the size of the Earth,
the size of the Earth,
103
272998
3109
levert een computertelescoop
ter grootte van de Aarde,
ter grootte van de Aarde,
04:48
capable of resolving structure
104
276131
1537
om de structuur van
de gebeurtenishorizon
de gebeurtenishorizon
04:49
on the scale of a black
hole's event horizon.
hole's event horizon.
105
277692
2199
van een zwart gat op te lossen.
Dit netwerk van telescopen is gepland
04:51
This network of telescopes is scheduled
to take its very first picture
to take its very first picture
106
279915
3387
om volgend jaar zijn eerste opname
van een zwart gat te maken.
van een zwart gat te maken.
04:55
of a black hole next year.
107
283326
1815
04:57
Each telescope in the worldwide
network works together.
network works together.
108
285165
3338
Elke telescoop in het wereldwijde
netwerk werkt samen.
netwerk werkt samen.
05:00
Linked through the precise timing
of atomic clocks,
of atomic clocks,
109
288527
2712
Verbonden door de precieze
timing van atoomklokken
timing van atoomklokken
bevriezen teams van onderzoekers
voor elke waarneming het licht
voor elke waarneming het licht
05:03
teams of researchers at each
of the sights freeze light
of the sights freeze light
110
291263
2657
05:05
by collecting thousands
of terabytes of data.
of terabytes of data.
111
293944
2962
door het verzamelen van duizenden
terabytes aan gegevens.
terabytes aan gegevens.
05:08
This data is then processed in a lab
right here in Massachusetts.
right here in Massachusetts.
112
296930
5017
Deze gegevens worden vervolgens verwerkt
in een lab hier in Massachusetts.
in een lab hier in Massachusetts.
05:13
So how does this even work?
113
301971
1794
Hoe kan dit nu werken?
Bedenk dat om het zwarte gat
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
in het centrum van ons
melkwegstelsel te zien,
melkwegstelsel te zien,
05:19
we need to build this impossibly large
Earth-sized telescope?
Earth-sized telescope?
115
307216
2982
we een onmogelijk grote
Aarde-grote telescoop moeten bouwen.
Aarde-grote telescoop moeten bouwen.
05:22
For just a second,
let's pretend we could build
let's pretend we could build
116
310222
2232
Laten we even doen alsof we een telescoop
ter grootte van de Aarde kunnen bouwen.
05:24
a telescope the size of the Earth.
117
312478
1842
05:26
This would be a little bit
like turning the Earth
like turning the Earth
118
314344
2455
Dit zou lijken op
het omvormen van de Aarde
het omvormen van de Aarde
tot een gigantische draaiende discobal.
05:28
into a giant spinning disco ball.
119
316823
1747
05:30
Each individual mirror would collect light
120
318594
2200
Elke aparte spiegel zou licht opvangen
05:32
that we could then combine
together to make a picture.
together to make a picture.
121
320818
2597
dat we dan konden combineren
om een beeld te maken.
om een beeld te maken.
05:35
However, now let's say
we remove most of those mirrors
we remove most of those mirrors
122
323439
2661
Laten we nu het grootste deel
van deze spiegels verwijderen
van deze spiegels verwijderen
05:38
so only a few remained.
123
326124
1972
zodat er slechts enkele overblijven.
05:40
We could still try to combine
this information together,
this information together,
124
328120
2877
We kunnen dan nog steeds
deze informatie combineren,
deze informatie combineren,
05:43
but now there are a lot of holes.
125
331021
1993
maar nu zijn er veel gaten.
05:45
These remaining mirrors represent
the locations where we have telescopes.
the locations where we have telescopes.
126
333038
4373
Deze resterende spiegels
stellen de locaties voor
stellen de locaties voor
waar we telescopen hebben.
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
Dit is een ongelooflijk klein aantal
metingen om een beeld samen te stellen.
metingen om een beeld samen te stellen.
05:53
But although we only collect light
at a few telescope locations,
at a few telescope locations,
128
341538
3838
Maar hoewel we alleen licht verzamelen
op slechts enkele telescooplocaties,
op slechts enkele telescooplocaties,
05:57
as the Earth rotates, we get to see
other new measurements.
other new measurements.
129
345400
3423
krijgen we als de Aarde draait
andere nieuwe metingen te zien.
andere nieuwe metingen te zien.
06:00
In other words, as the disco ball spins,
those mirrors change locations
those mirrors change locations
130
348847
3819
Met andere woorden,
als de discobal draait,
als de discobal draait,
verschuiven de spiegels
06:04
and we get to observe
different parts of the image.
different parts of the image.
131
352690
2899
en kunnen we verschillende delen
van het beeld observeren.
van het beeld observeren.
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
Onze beeldvormingsalgoritmes vullen
de ontbrekende gaten van de discobal op,
de ontbrekende gaten van de discobal op,
06:11
in order to reconstruct
the underlying black hole image.
the underlying black hole image.
133
359655
3033
teneinde het zwarte gat
erachter te reconstrueren.
erachter te reconstrueren.
06:14
If we had telescopes located
everywhere on the globe --
everywhere on the globe --
134
362712
2636
Als we overal op de wereld
telescopen hadden --
telescopen hadden --
06:17
in other words, the entire disco ball --
135
365372
1941
met andere woorden, de hele discobal --
06:19
this would be trivial.
136
367337
1284
zou dit triviaal zijn.
06:20
However, we only see a few samples,
and for that reason,
and for that reason,
137
368645
3322
Maar we zien alleen
enkele stalen en daarom
enkele stalen en daarom
06:23
there are an infinite number
of possible images
of possible images
138
371991
2388
zijn er een oneindig aantal
mogelijke beelden
mogelijke beelden
06:26
that are perfectly consistent
with our telescope measurements.
with our telescope measurements.
139
374403
2964
die perfect in overeenstemming zijn
met onze telescoopmetingen.
met onze telescoopmetingen.
06:29
However, not all images are created equal.
140
377391
3016
Maar niet alle afbeeldingen
zijn gelijkaardig.
zijn gelijkaardig.
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
Sommige van die beelden
lijken meer dan andere
lijken meer dan andere
op wat wij als afbeeldingen zien.
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
Mijn rol om het eerste beeld
van een zwart gat te verkrijgen,
van een zwart gat te verkrijgen,
06:40
is to design algorithms that find
the most reasonable image
the most reasonable image
143
388577
2932
bestaat uit algoritmen ontwerpen
om de beste afbeelding te vinden
om de beste afbeelding te vinden
06:43
that also fits the telescope measurements.
144
391533
2222
die ook bij de telescoopmetingen past.
06:46
Just as a forensic sketch artist
uses limited descriptions
uses limited descriptions
145
394727
3942
Net zoals een politie-tekenaar
beperkte beschrijvingen gebruikt
beperkte beschrijvingen gebruikt
om een afbeelding te reconstrueren
met hun kennis van gezichtsstructuur,
met hun kennis van gezichtsstructuur,
06:50
to piece together a picture using
their knowledge of face structure,
their knowledge of face structure,
146
398693
3514
06:54
the imaging algorithms I develop
use our limited telescope data
use our limited telescope data
147
402231
3315
zo gebruiken mijn beeldvormingsalgoritmen
onze beperkte telescoopdata
onze beperkte telescoopdata
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
om te leiden tot een beeld dat er ook
uitziet als de dingen in ons universum.
uitziet als de dingen in ons universum.
07:01
Using these algorithms,
we're able to piece together pictures
we're able to piece together pictures
149
409916
3651
Met deze algoritmen kunnen
we beelden samenstellen
we beelden samenstellen
07:05
from this sparse, noisy data.
150
413591
2180
uit deze schaarse, rommelige data.
07:07
So here I show a sample reconstruction
done using simulated data,
done using simulated data,
151
415795
4529
Hier toon ik een voorbeeld
uitgaande van gesimuleerde data,
uitgaande van gesimuleerde data,
als we doen alsof we
onze telescopen richten
onze telescopen richten
07:12
when we pretend to point our telescopes
152
420348
1933
naar het zwarte gat in het centrum
van ons melkwegstelsel.
van ons melkwegstelsel.
07:14
to the black hole
in the center of our galaxy.
in the center of our galaxy.
153
422305
2585
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
Hoewel dit slechts een simulatie is,
geven reconstructies als deze ons hoop
geven reconstructies als deze ons hoop
om binnenkort op betrouwbare wijze
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
een eerste beeld
van een zwart gat te kunnen maken
van een zwart gat te kunnen maken
07:24
and from it, determine
the size of its ring.
the size of its ring.
156
432870
2595
en daaruit de grootte
van de ring te bepalen.
van de ring te bepalen.
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
Ik zou graag alle details
van dit algoritme willen geven,
van dit algoritme willen geven,
maar heb daar, gelukkig voor jullie,
niet de tijd voor.
niet de tijd voor.
07:31
luckily for you, I don't have the time.
158
439341
2174
07:33
But I'd still like
to give you a brief idea
to give you a brief idea
159
441539
2001
Ik zal toch in het kort uitleggen
07:35
of how we define
what our universe looks like,
what our universe looks like,
160
443564
2302
hoe we bepalen
hoe ons universum eruitziet,
hoe ons universum eruitziet,
07:37
and how we use this to reconstruct
and verify our results.
and verify our results.
161
445890
4466
en hoe we dit gebruiken
om onze resultaten
om onze resultaten
te reconstrueren en te controleren.
07:42
Since there are an infinite number
of possible images
of possible images
162
450380
2496
Omdat er een oneindig aantal
mogelijke beelden zijn
mogelijke beelden zijn
07:44
that perfectly explain
our telescope measurements,
our telescope measurements,
163
452900
2365
die onze telescoopmetingen
perfect uitleggen,
perfect uitleggen,
07:47
we have to choose
between them in some way.
between them in some way.
164
455289
2605
moeten we op een bepaalde manier
tussen hen kiezen.
tussen hen kiezen.
07:49
We do this by ranking the images
165
457918
1838
We rangschikken de beelden
volgens hoe groot de kans is
dat ze de foto van het zwarte gat zijn,
dat ze de foto van het zwarte gat zijn,
07:51
based upon how likely they are
to be the black hole image,
to be the black hole image,
166
459780
2834
07:54
and then choosing the one
that's most likely.
that's most likely.
167
462638
2482
en kiezen dan voor de waarschijnlijkste.
07:57
So what do I mean by this exactly?
168
465144
2195
Wat bedoel ik hiermee?
Laten we zeggen dat we
een model willen maken
een model willen maken
07:59
Let's say we were trying to make a model
169
467862
1978
dat de kans weergeeft
dat een beeld op Facebook komt.
dat een beeld op Facebook komt.
08:01
that told us how likely an image
were to appear on Facebook.
were to appear on Facebook.
170
469864
3183
08:05
We'd probably want the model to say
171
473071
1701
We zouden het onwaarschijnlijk vinden
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
dat iemand dit vage
beeld links zou posten,
beeld links zou posten,
en vrij waarschijnlijk dat iemand
een selfie zou posten
een selfie zou posten
08:10
and pretty likely that someone
would post a selfie
would post a selfie
173
478377
2419
08:12
like this one on the right.
174
480820
1334
zoals rechts.
Het beeld in het midden is onscherp,
08:14
The image in the middle is blurry,
175
482178
1639
al zouden we het eerder
op Facebook tegenkomen
op Facebook tegenkomen
08:15
so even though it's more likely
we'd see it on Facebook
we'd see it on Facebook
176
483841
2639
08:18
compared to the noise image,
177
486504
1360
dan het beeld met ruis,
08:19
it's probably less likely we'd see it
compared to the selfie.
compared to the selfie.
178
487888
2960
maar minder dan de selfie.
08:22
But when it comes to images
from the black hole,
from the black hole,
179
490872
2290
Maar als het gaat
om beelden van het zwarte gat
om beelden van het zwarte gat
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
zitten we met een echt raadsel,
want dat hebben we nog nooit gezien.
want dat hebben we nog nooit gezien.
08:28
In that case, what is a likely
black hole image,
black hole image,
181
496712
2291
Hoe zal dan een zwart gat eruitzien,
en wat moeten we veronderstellen
over de structuur van zwarte gaten?
over de structuur van zwarte gaten?
08:31
and what should we assume
about the structure of black holes?
about the structure of black holes?
182
499027
2938
08:33
We could try to use images
from simulations we've done,
from simulations we've done,
183
501989
2632
Misschien met beelden van onze simulaties,
zoals het beeld van het zwarte gat
van ‘Interstellar’,
van ‘Interstellar’,
08:36
like the image of the black hole
from "Interstellar,"
from "Interstellar,"
184
504645
2530
maar dat zou een aantal ernstige
problemen met zich meebrengen.
problemen met zich meebrengen.
08:39
but if we did this,
it could cause some serious problems.
it could cause some serious problems.
185
507199
2938
08:42
What would happen
if Einstein's theories didn't hold?
if Einstein's theories didn't hold?
186
510161
3380
Wat als de theorieën van Einstein
niet zouden kloppen?
niet zouden kloppen?
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
We zouden nog steeds
een nauwkeurig beeld willen reconstrueren.
een nauwkeurig beeld willen reconstrueren.
08:49
If we bake Einstein's equations
too much into our algorithms,
too much into our algorithms,
188
517550
3371
Als we Einsteins vergelijkingen
te veel in onze algoritmen verwerken,
te veel in onze algoritmen verwerken,
08:52
we'll just end up seeing
what we expect to see.
what we expect to see.
189
520945
2755
zullen we alleen maar zien
wat we verwachten.
wat we verwachten.
08:55
In other words,
we want to leave the option open
we want to leave the option open
190
523724
2276
Een gigantische olifant
in het centrum van ons melkwegstelsel?
in het centrum van ons melkwegstelsel?
08:58
for there being a giant elephant
at the center of our galaxy.
at the center of our galaxy.
191
526024
2923
Moet kunnen?
09:00
(Laughter)
192
528971
1057
(Gelach)
09:02
Different types of images have
very distinct features.
very distinct features.
193
530052
2989
Verschillende beelden
met verschillende eigenschappen.
met verschillende eigenschappen.
09:05
We can easily tell the difference
between black hole simulation images
between black hole simulation images
194
533065
3548
We zien gemakkelijk het verschil
tussen simulatiebeelden van een zwart gat
09:08
and images we take
every day here on Earth.
every day here on Earth.
195
536637
2276
en alledaagse foto's.
09:10
We need a way to tell our algorithms
what images look like
what images look like
196
538937
3104
We moeten onze algoritmen kunnen
vertellen welke beelden te zoeken
vertellen welke beelden te zoeken
09:14
without imposing one type
of image's features too much.
of image's features too much.
197
542065
3249
zonder te veel nadruk
op één type afbeelding.
op één type afbeelding.
Een manier om dit te omzeilen
09:17
One way we can try to get around this
198
545865
1893
is de kenmerken van de verschillende
soorten afbeeldingen opleggen
soorten afbeeldingen opleggen
09:19
is by imposing the features
of different kinds of images
of different kinds of images
199
547782
3062
en zien hoe het type beeld
waar we van uitgaan
waar we van uitgaan
09:22
and seeing how the type of image we assume
affects our reconstructions.
affects our reconstructions.
200
550868
4130
onze reconstructies beïnvloedt.
09:27
If all images' types produce
a very similar-looking image,
a very similar-looking image,
201
555712
3491
Als alle types beelden een zeer
gelijkende afbeelding produceren,
gelijkende afbeelding produceren,
09:31
then we can start to become more confident
202
559227
2057
dan kunnen we er zekerder van zijn
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
dat de aannames die we maken
het beeld niet te veel vertekenen.
het beeld niet te veel vertekenen.
09:37
This is a little bit like
giving the same description
giving the same description
204
565505
2990
Dit is een beetje als het geven
van dezelfde beschrijving
van dezelfde beschrijving
aan drie verschillende politie-tekenaars
van over de hele wereld.
van over de hele wereld.
09:40
to three different sketch artists
from all around the world.
from all around the world.
205
568519
2996
09:43
If they all produce
a very similar-looking face,
a very similar-looking face,
206
571539
2860
Als ze allemaal een vergelijkbaar
uitziend gezicht produceren,
uitziend gezicht produceren,
09:46
then we can start to become confident
207
574423
1793
dan kunnen we erop vertrouwen
09:48
that they're not imposing their own
cultural biases on the drawings.
cultural biases on the drawings.
208
576240
3616
dat hun culturele vooroordelen
de tekeningen niet beïnvloeden.
de tekeningen niet beïnvloeden.
09:51
One way we can try to impose
different image features
different image features
209
579880
3315
Een manier om verschillende
beeldeigenschappen op te leggen,
beeldeigenschappen op te leggen,
09:55
is by using pieces of existing images.
210
583219
2441
is met behulp van stukken
van bestaande beelden.
van bestaande beelden.
09:58
So we take a large collection of images,
211
586214
2160
Dus nemen we een grote verzameling beelden
10:00
and we break them down
into their little image patches.
into their little image patches.
212
588398
2718
en delen ze op in hun kleinere stukjes.
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
Dan kunnen we die stukjes behandelen
als stukjes van een puzzel.
als stukjes van een puzzel.
10:07
And we use commonly seen puzzle pieces
to piece together an image
to piece together an image
214
595449
4278
En we gebruiken vaak voorkomende stukjes
om een beeld samen te stellen
om een beeld samen te stellen
10:11
that also fits our telescope measurements.
215
599751
2452
dat ook past bij onze telescoopmetingen.
10:15
Different types of images have
very distinctive sets of puzzle pieces.
very distinctive sets of puzzle pieces.
216
603040
3743
Verschillende soorten beelden hebben
zeer kenmerkende sets van puzzelstukjes.
zeer kenmerkende sets van puzzelstukjes.
10:18
So what happens when we take the same data
217
606807
2806
Wat gebeurt er als we
dezelfde gegevens nemen,
dezelfde gegevens nemen,
10:21
but we use different sets of puzzle pieces
to reconstruct the image?
to reconstruct the image?
218
609637
4130
maar verschillende sets van puzzelstukken
gebruiken om het beeld te reconstrueren?
gebruiken om het beeld te reconstrueren?
10:25
Let's first start with black hole
image simulation puzzle pieces.
image simulation puzzle pieces.
219
613791
4766
Laten we eerst beginnen met puzzelstukjes
van de simulatie van een zwart gat.
van de simulatie van een zwart gat.
10:30
OK, this looks reasonable.
220
618581
1591
OK, dit ziet er redelijk uit.
10:32
This looks like what we expect
a black hole to look like.
a black hole to look like.
221
620196
2694
Dit lijkt op wat we verwachten
van een zwart gat.
van een zwart gat.
10:34
But did we just get it
222
622914
1193
Maar kregen we het gewoon
10:36
because we just fed it little pieces
of black hole simulation images?
of black hole simulation images?
223
624131
3314
uit de kleine stukjes
simulatiebeelden van een zwart gat?
simulatiebeelden van een zwart gat?
10:39
Let's try another set of puzzle pieces
224
627469
1880
We proberen het met
een andere set puzzelstukjes
een andere set puzzelstukjes
10:41
from astronomical, non-black hole objects.
225
629373
2509
van astronomische,
niet-zwarte-gatobjecten.
niet-zwarte-gatobjecten.
10:44
OK, we get a similar-looking image.
226
632914
2126
We krijgen een gelijkende afbeelding.
10:47
And then how about pieces
from everyday images,
from everyday images,
227
635064
2236
Hoe zit het dan met stukjes
uit gewone beelden,
uit gewone beelden,
10:49
like the images you take
with your own personal camera?
with your own personal camera?
228
637324
2785
als de foto's die je maakt
met je eigen camera?
met je eigen camera?
10:53
Great, we see the same image.
229
641312
2115
Geweldig, we zien hetzelfde beeld.
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
Krijgen we hetzelfde beeld
uit alle sets van puzzelstukjes,
uit alle sets van puzzelstukjes,
10:58
then we can start to become more confident
231
646841
2046
dan kunnen we er wat zekerder van zijn
11:00
that the image assumptions we're making
232
648911
1966
dat onze aannames
11:02
aren't biasing the final
image we get too much.
image we get too much.
233
650901
2921
niet te veel afwijken
van het uiteindelijke beeld.
van het uiteindelijke beeld.
11:05
Another thing we can do is take
the same set of puzzle pieces,
the same set of puzzle pieces,
234
653846
3253
Wat we nog kunnen doen,
is dezelfde set van puzzelstukjes,
is dezelfde set van puzzelstukjes,
11:09
such as the ones derived
from everyday images,
from everyday images,
235
657123
2489
zoals die afkomstig
van alledaagse beelden,
van alledaagse beelden,
11:11
and use them to reconstruct
many different kinds of source images.
many different kinds of source images.
236
659636
3600
gebruiken om veel verschillende soorten
van bronbeelden te reconstrueren.
van bronbeelden te reconstrueren.
11:15
So in our simulations,
237
663260
1271
Dus doen we in onze simulaties
11:16
we pretend a black hole looks like
astronomical non-black hole objects,
astronomical non-black hole objects,
238
664555
3775
alsof een zwart gat lijkt op
astronomische niet-zwarte-gat dingen,
astronomische niet-zwarte-gat dingen,
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
net als alledaagse beelden als de olifant
in het centrum van ons melkwegstelsel.
in het centrum van ons melkwegstelsel.
11:24
When the results of our algorithms
on the bottom look very similar
on the bottom look very similar
240
672227
3168
Wanneer de resultaten onderaan
erg lijken op het echte beeld
van de simulatie bovenaan,
van de simulatie bovenaan,
11:27
to the simulation's truth image on top,
241
675419
2096
11:29
then we can start to become
more confident in our algorithms.
more confident in our algorithms.
242
677539
3346
dan mogen we onze algoritmen
meer beginnen te vertrouwen.
meer beginnen te vertrouwen.
11:32
And I really want to emphasize here
243
680909
1867
Ik wil hier benadrukken
11:34
that all of these pictures were created
244
682800
1934
dat al deze foto's zijn gemaakt
11:36
by piecing together little pieces
of everyday photographs,
of everyday photographs,
245
684758
2936
door kleine stukjes
van alledaagse foto’s samen te voegen,
van alledaagse foto’s samen te voegen,
11:39
like you'd take with your own
personal camera.
personal camera.
246
687718
2215
foto’s zoals die van je eigen camera.
Zo kan een afbeelding van een zwart gat
dat we nooit eerder hebben gezien
dat we nooit eerder hebben gezien
11:41
So an image of a black hole
we've never seen before
we've never seen before
247
689957
3276
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
worden gecreëerd
door beelden samen te voegen
door beelden samen te voegen
van dingen die we kennen,
11:49
of people, buildings,
trees, cats and dogs.
trees, cats and dogs.
249
697224
2745
zoals mensen, gebouwen, bomen,
katten en honden.
katten en honden.
11:51
Imaging ideas like this
will make it possible for us
will make it possible for us
250
699993
2645
Beeldvormingsideeën als deze
zullen het voor ons mogelijk te maken
zullen het voor ons mogelijk te maken
11:54
to take our very first pictures
of a black hole,
of a black hole,
251
702662
2619
een foto te nemen van een zwart gat,
11:57
and hopefully, verify
those famous theories
those famous theories
252
705305
2447
en hopelijk die beroemde
theorieën te testen
theorieën te testen
11:59
on which scientists rely on a daily basis.
253
707776
2421
waar wetenschappers elke dag op steunen.
12:02
But of course, getting
imaging ideas like this working
imaging ideas like this working
254
710221
2608
Maar natuurlijk zou dit nooit zijn gelukt
12:04
would never have been possible
without the amazing team of researchers
without the amazing team of researchers
255
712853
3322
zonder het geweldige team van onderzoekers
waar ik het voorrecht heb
om mee te werken.
om mee te werken.
12:08
that I have the privilege to work with.
256
716199
1887
Het verbaast me nog steeds
12:10
It still amazes me
257
718110
1163
12:11
that although I began this project
with no background in astrophysics,
with no background in astrophysics,
258
719297
3351
dat, hoewel ik hieraan begon
zonder achtergrond in de astrofysica,
zonder achtergrond in de astrofysica,
wat we door deze unieke
samenwerking hebben bereikt,
samenwerking hebben bereikt,
12:14
what we have achieved
through this unique collaboration
through this unique collaboration
259
722672
2619
12:17
could result in the very first
images of a black hole.
images of a black hole.
260
725315
2759
kan leiden tot de allereerste beelden
van een zwart gat.
van een zwart gat.
12:20
But big projects like
the Event Horizon Telescope
the Event Horizon Telescope
261
728098
2698
Maar grote projecten
als de Event Horizon Telescope
als de Event Horizon Telescope
12:22
are successful due to all
the interdisciplinary expertise
the interdisciplinary expertise
262
730820
2814
zijn succesvol door alle
interdisciplinaire deskundigheid
interdisciplinaire deskundigheid
12:25
different people bring to the table.
263
733658
1790
van verschillende mensen.
12:27
We're a melting pot of astronomers,
264
735472
1706
We zijn een smeltkroes van astronomen,
12:29
physicists, mathematicians and engineers.
265
737202
2232
natuurkundigen, wiskundigen en ingenieurs.
12:31
This is what will make it soon possible
266
739458
2554
Dit zal binnenkort mogelijk maken
12:34
to achieve something
once thought impossible.
once thought impossible.
267
742036
2853
wat ooit als onmogelijk werd gezien.
Ik wil jullie allen aanmoedigen
om mee te werken
om mee te werken
12:36
I'd like to encourage all of you to go out
268
744913
2256
12:39
and help push the boundaries of science,
269
747193
2096
aan het verleggen van de grenzen
van de wetenschap,
van de wetenschap,
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
zelfs als het eerst even mysterieus lijkt
als een zwart gat.
als een zwart gat.
12:45
Thank you.
271
753238
1174
Dank je.
12:46
(Applause)
272
754436
2397
(Applaus)
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