blackhole

No filme “Interestelar” lançado em 2014, um buraco negro fictício chamado Gargantua tem um grande destaque na trama. Nele, Matthew McConaughey e Anne Hathaway interpretam astronautas que viajam através de um buraco de minhoca - um túnel que permite viagens quase instantâneas entre pontos distantes - para explorar três planetas que orbitam Gargântua, 10 bilhões de anos-luz da Terra. Para criar a imagem do buraco negro, o diretor Crhistopher Nolan contratou a consultoria do físico teórico e ganhador do Nobel de física Kip Thorn.

Apenas cinco anos após o filme, um punhado de grandes descobertas sobre buracos negros deram aos físicos novos insights sobre como esses objetos massivos se comportam, e inclusive, como eles realmente se parecem.

Embora os cientistas estejam pesquisando e teorizando buracos negros há décadas, o Gargantua é apenas uma reprodução artística de um buraco negro. Entretanto, graças a um esforço colaborativo da comunidade científica, a primeira imagem real de um buraco negro foi gerada.

Neste artigo você irá descobrir:

O que é um buraco negro
Qual telescópio foi utilizado
Como a primeira imagem de um buraco negro foi gerada
Como simular um buraco negro

O que é um buraco negro?

Buraco negro é uma região do espaço-tempo em que o campo gravitacional é tão intenso que nada — nenhuma partícula ou radiação eletromagnética como a luz — pode escapar. A teoria da relatividade geral prevê que uma massa suficientemente compacta pode deformar o espaço-tempo para formar um buraco negro. Ele é formado por anéis de luzes ao redor de uma área densa e escura chamada de sombra (shadow).

Quem é o autor da teoria de buraco negros?

A ideia de um corpo tão massivo que nem a luz poderia escapar foi brevemente proposta pelo pioneiro astronômico e clérigo inglês John Michell em uma carta publicada em novembro de 1784. Os cálculos simplistas de Michell supunham que esse corpo pudesse ter a mesma densidade que o Sol e concluíram que esse corpo se formaria quando o diâmetro de uma estrela excedesse o do Sol por um fator de 500 e a velocidade de escape da superfície excedesse a velocidade usual da luz.

Em 1915, Albert Einstein desenvolveu a teoria da relatividade geral, que mostrou que quando uma estrela massiva morre, ela deixa para trás um pequeno núcleo remanescente denso. Se a massa do núcleo for mais do que cerca de três vezes a massa do Sol, mostraram as equações, a força da gravidade supera todas as outras forças e produz um buraco negro.

Qual o telescópio utilizado para ver o buraco negro?

Mais de 100 anos após a teoria da relatividade de einstein serem apresentadas, em 10 de abril de 2019, a imagem direta de um buraco negro e sua vizinhança foi gerada, após observações feitas pelo Event Horizon Telescope (EHT) em 2017 do buraco negro supermassivo no centro galáctico de Messier 87.

Esse telescópio é um conjunto de oito radiotelescópios terrestres que formam um telescópio computacional do tamanho da Terra, estudando o universo com sensibilidade e resolução sem precedentes. O enorme telescópio virtual, que usa uma técnica chamada interferometria de linha de base muito longa (VLBI), tem uma resolução angular de 20 micro-segundos de arco – o suficiente para ler um jornal em Nova York de um café na calçada em Paris!

Quais os desafios enfrentados para gerar a imagem?

O EHT apresenta enormes desafios de processamento de dados, incluindo rápidas flutuações de fase atmosférica, grande largura de banda de gravação e telescópios amplamente diferentes e geograficamente dispersos.

A cada dia, o EHT gera mais de 350 terabytes de observações, armazenadas em discos rígidos cheios de hélio. Reduzir o volume e a complexidade de tantos dados é extremamente difícil.

Por exemplo, como o EHT não é um único telescópio, mas uma rede de tipos semelhantes de telescópios, há muito “ruído” ou diferentes tipos de erros potenciais, que podem vir dos dados gerados pela rede do telescópio.

“Uma das maiores fontes de ruído é o efeito atmosférico”, disse o Dr. Chan. “Estamos olhando através da atmosfera para detectar a onda de rádio. Mas há coisas como vapor de água, nuvens e turbulência na atmosfera que podem alterar o sinal. Portanto, precisamos encontrar maneiras de remover esses efeitos na atmosfera”.

Outro desafio enfrentado pelos cientistas do EHT é o movimento de rotação da Terra, que provoca pequenas alterações nos dados capturados pelos telescópios que precisam ser corrigidos antes de serem analisados.

Quando o objetivo é ver algo nunca antes visto, como os cientistas podem ter certeza de que a imagem está correta?

Como a imagem do buraco negro foi gerada?

A Figura 2 ilustra a metodologia utilizada para tirar foto do buraco negro M87. Cada telescópio do EHT capturam a radiação eletromagnética gerada pelo buraco negro M87 durante a campanha dos dias 5, 10, 6 e 11 de abril do ano de 2017. Através dos algoritmos computacionais e astrofísicos foi feita a correlação dos dados entre os telescópios envolvidos, e os dados são calibrados e preparados para a próxima etapa removendo os ruídos causados pelo clima. Após a calibração dos dados, o volume foi reduzido drásticamente passando da ordem de petabytes de informação para megabytes. Após isso, o processo de análise, simulação e reconstrução da imagem foi realizado usando ferramentas computacionais, que serão detalhadas mais adiante.

Para garantir que não houvesse manipulação e enviesamento na reconstrução das imagens, o a etapa de reconstrução foi dividida em duas fases. Na primeira, o grupo de pesquisadores se dividiu em 4 times independentes que trabalharam sem comunicação entre si. Os times 1 e 2 usaram o metodo Regularized Maximum Likelyhood (RML) e os times 3 e 4 usaram o método CLEAN. Todas as imagens reconstruidas pelos 4 times apresentaram morfologias semelhantes, embora a reconstrução apresente diferenças em relação a coloração.

Na segunda fase, uma validação cruzada no procedimento de seleção dos parametros foi realizada. Primeiramente, quatro fontes de dados primitivas foram geradas: um anel, um anel crescente, um disco, e uma dupla de objetos. Para cada reconstrução da fonte de dados, os parametros selecionados não levava em consideração os parametros da fonte específica. Por exemplo, para reconstruir a imagem do disk, somente os parametros relacionados ao anel, ao crescente e a dupla de objetos foram selecionados. A reconstrução de cada fonte foi realizada usando três ferramentas distintas: DIFMAP, eht-imaging, SMILI. A primeira ferramenta foi criada em c, e as duas ultimas foram construídas usando Python.

Além das fontes de dados primitivas, foi gerada uma simulação de buraco negro usando modelos físicos baseados na magneto-hidrodinâmica da relatividade geral (GRMHD). A reconstrução dessa simulação usou os mesmos parâmetros usados para reconstruir o M87.

etapaseht

Observar o buraco negro com o EHT é um pouco como ouvir uma música tocada em um piano com muitas teclas quebradas. Se o conjunto de telescópios do EHT fossem localizados em todos os lugares do globo, daria para ouvir todas as notas possíveis e, assim, ouvir uma versão perfeita da música. No entanto, como são apenas 8 telescópios dispostos em alguns locais, somente é possível reconhecer a música que está sendo tocada com apenas algumas notas. Embora ouvir uma música dessa maneira definitivamente não seja perfeito, muitas vezes ainda há informações suficientes para acompanhar.

Outra analogia intertessante de se fazer é quando escrevemos uma palavra ou expressão com algumas carectres trocados e ainda assim conseguimos reconhecer seu significado. Por exemplo, a expressão bxraco nxgrx, é facilmente reconhecida.

Mesmo que ainda houvesse muitas lacunas nas notas ou na expressão perto do final, é incrível que seu cérebro possa preencher buracos e você possa começar a entender a música ou o siginificado da palvra. O que seu cérebro estava fazendo aqui é muito semelhante ao que os algoritmos de imagem que desenvolvemos para o EHT fazem. Usando os dados esparsos que foram coletados dos telescópios, os algoritmos preenchem as lacunas que faltam com a imagem mais natural.

Mas vale apena salientar que sempre há alguma ambiguidade no que é a verdadeira imagem. Por exemplo, mesmo que muitas notas estejam tocando, desde que algumas notas estejam faltando, não precisa ser “A sinfonia do buraco negro”. Quanto mais notas faltarem, mais ambiguidade haverá. Na verdade, talvez perto do início você possa ter pensado que a música era a “sinfonia da galáxia de andrômeda”. Se as notas que estivessem disponíveis não fossem o suficiente, os cientistas do EHT estariam em apuros, pois poderia existir várias músicas que se encaixam bastante bem nas notas disponíveis. No entanto, à medida que aumentamos o número de notas (medidas), a música específica fica clara.

possibilities

Da mesma forma, para o EHT, os dados que foram coletados contam apenas uma parte da história, pois há um número infinito de imagens possíveis que são perfeitamente consistentes com os dados que medimos. Mas nem todas as imagens são criadas iguais – algumas se parecem mais com o que pensamos como imagens do que outras. Para escolher a melhor imagem, basicamente todas as imagens infinitas que explicam as medições do telescópio são classificadas de acordo com a sua aparência razoável. Em seguida, é selecionada a imagem (ou conjunto de imagens) que parece mais razoável.

likely

Usando esse algoritmo, os pesquisadores são capazes de reconstruir imagens a partir de medições muito esparsas medidas com o EHT. Abaixo está uma reconstrução de amostra feita usando dados coletados do M87. reconstruction

O pacote Python eht-imaging utilizado para simular e reconstruir a imagem do buraco negro baseado nos parametros espaciais é composto por um conjunto de ferramentas conforme ilustra a Figura 6. Observe que a biblioteca numpy é a base para diversas outras bibliotecas envolvidas no projeto. A biblioteca numpy é eficiente para manipulação de vetores de N dimensões, que é um atributo essencial para os pesquisadores manipularem grandes base de dados númericas. ehtim

Simulação de um buraco negro usando einsteinpy

Dr. Chan explicou que há uma enorme vantagem em usar Python para análise porque permite que os cientistas façam seu trabalho mais rapidamente. Como essa foi a primeira vez que os cientistas viram esse tipo de dados, eles precisavam ser capazes de experimentar coisas diferentes em tempo real – e o Python é uma ótima linguagem para essa abordagem exploratória. “Muito do nosso trabalho é realmente trabalhar e pensar sobre os dados, e o Python nos permite acelerar o processo”, disse ele.

“Acredita-se que o Python sozinho seria muito lento para processar nossos volumes de dados. No entanto, com os projetos de código aberto no NumFOCUS, conseguimos iterar nossos algoritmos tão rápido que eles nos permitiram terminar nosso trabalho em dois anos, o que seria difícil de alcançar se usássemos apenas C.”, declara Dr. Chan.

A biblioteca einsteinpy possui vários módulos que ajudam a entender e simular várias das ideias propostas por Einstein através de gráficos.

import astropy.units as u
from einsteinpy.rays import Shadow
from einsteinpy.plotting import ShadowPlotter
import matplotlib.pyplot as plt

mass = 1 * u.kg
fov = 30 * u.km
# What field of view is the user expecting

shadow = Shadow(mass=mass, fov=fov, n_rays=1000)
obj = ShadowPlotter(shadow=shadow, is_line_plot=True)
obj.plot()
obj.show()

# obj = ShadowPlotter(shadow=shadow, is_line_plot=False)
# obj.plot()
# obj.show()
# plt.show()

As quatro primeiras linhas da Listagem 1 importam as bibliotecas necessárias para gerar a simulação de um buraco negro. A biblioteca astropy é uma coleção de pacotes projetados para o uso em astronomia. Por sua vez, a biblioteca einsteinpy é uma coleção de pacotes dedicados a resolver problemas teoria da relatividade geral. Vale destacar a classe Shadow dentro do módulo rays responsável por reproduzir a área densa e escura do buraco negro. A biblioteca matplotlib possui vários recursos para criar visualizações dos dados.

Em seguida, os parametros mass e fov são configurados pois serão usados como argumentos no método construtor da classe Shadow. Depois, o objeto shadow é criado com 1000 raios. Então, os gráficos são gerados usando a classe ShadowPlotter.

blackhole1

A classe ShadowPlotter, recebe como argumentos um objeto do tipo Shadow e um valor booleano is_line_plot. O argumento booleando is_line_plot determina se o gráfico gerado será de intensidade, caso verdadeiro, ou do próprio buraco negro caso seja falso.

blackhole2

Considerações finais

Nesse artigo você descobriu que a primeira imagem real de um buraco negro foi gerada graças a um esforço colaborativo entre centros de pesquisas quem compẽe o conjunto de telescópio EHT.

Grandes desafios foram enfrentados para a coleta de dados tais como o grande volume de dados gerados pelos telescópios, efeitos atmosféricos, nuvens e vapor d’água. Para processamento desses dados foi uitlizada a linguagem Python, por possuir várias bibliotecas de código livre que facilitam a vida dos astrônomos, por exemplo, numpy, matplotlib e astropy.

Se você tem interesse nesse assunto, gostaria de fazer simulações físicas ou se interessa por algum outro campo científico que envolva cálculos matemáticos complexos e manipulação de vetores e matrizes, vale a pena conferir as bibliotecas.