In the movie "Interstellar," we get an up-close look at a supermassive black hole. Set against a backdrop of bright gas, the black hole's massive gravitational pull bends light into a ring. However, this isn't a real photograph, but a computer graphic rendering -- an artistic interpretation of what a black hole might look like.
Dans le film « Interstellar », nous voyons de très près un trou noir supermassif. Sur un fond de gaz vif, la force gravitationnelle massive du trou noir courbe la lumière en un cercle. Ce n'est cependant pas une vraie photo, mais un rendu graphique par ordinateur — une interprétation artistique d'un trou noir.
A hundred years ago, Albert Einstein first published his theory of general relativity. In the years since then, scientists have provided a lot of evidence in support of it. But one thing predicted from this theory, black holes, still have not been directly observed. Although we have some idea as to what a black hole might look like, we've never actually taken a picture of one before. However, you might be surprised to know that that may soon change. We may be seeing our first picture of a black hole in the next couple years. Getting this first picture will come down to an international team of scientists, an Earth-sized telescope and an algorithm that puts together the final picture. Although I won't be able to show you a real picture of a black hole today, I'd like to give you a brief glimpse into the effort involved in getting that first picture.
Il y a 100 ans, Albert Einstein a publié sa théorie de la relativité générale. Au cours des années suivantes, beaucoup de preuves qui appuient cette théorie ont été fournies. Mais les trous noirs, un élément prédit dans cette théorie, n'ont toujours pas été observés directement. Même si nous avons une idée de ce à quoi un trou noir ressemble, nous n'en avons jamais photographié. Toutefois, vous serez surpris d'apprendre que ça pourrait bientôt changer. Nous verrons peut-être la première photo d'un trou noir d'ici quelques années. Prendre cette première photo dépendra d'une équipe scientifique internationale, d'un télescope de la taille de la Terre, et d'un algorithme qui assemble l'image finale. Bien que je ne puisse pas vous montrer une vraie image d'un trou noir, j'aimerais vous esquisser un aperçu de l'effort nécessaire pour prendre cette photo.
My name is Katie Bouman, and I'm a PhD student at MIT. I do research in a computer science lab that works on making computers see through images and video. But although I'm not an astronomer, today I'd like to show you how I've been able to contribute to this exciting project.
Je m'appelle Katie Bouman, et je suis doctorante au MIT. Je fais de la recherche dans un labo informatique dédié à l'interprétation d'images et vidéos par les ordinateurs. Bien que je ne sois pas une astronome, j'aimerais vous montrer comment j'ai pu contribuer à ce projet fascinant.
If you go out past the bright city lights tonight, you may just be lucky enough to see a stunning view of the Milky Way Galaxy. And if you could zoom past millions of stars, 26,000 light-years toward the heart of the spiraling Milky Way, we'd eventually reach a cluster of stars right at the center. Peering past all the galactic dust with infrared telescopes, astronomers have watched these stars for over 16 years. But it's what they don't see that is the most spectacular. These stars seem to orbit an invisible object. By tracking the paths of these stars, astronomers have concluded that the only thing small and heavy enough to cause this motion is a supermassive black hole -- an object so dense that it sucks up anything that ventures too close -- even light.
Si vous vous éloignez des vives lumières de la ville, vous aurez peut-être la chance de voir une vue spectaculaire de la Voie Lactée. Si vous pouviez zoomer sur les millions d'étoiles, 26 000 années-lumière vers le cœur de la spirale de la Voie Lactée, nous atteindrions un amas d'étoiles au centre. Scrutant au-delà de la poussière galactique avec des télescopes infrarouges, les astronomes observent ces étoiles depuis plus de 16 ans. Mais c'est ce qu'ils ne voient pas qui est le plus spectaculaire. Ces étoiles ont l'air de graviter autour d'un objet invisible. En suivant les parcours de ces étoiles, les astronomes ont conclu que la seule chose suffisamment petite et lourde pour causer ce mouvement est un trou noir supermassif — un objet si dense qu'il aspire tout ce qui s'aventure trop près — même la lumière.
But what happens if we were to zoom in even further? Is it possible to see something that, by definition, is impossible to see? Well, it turns out that if we were to zoom in at radio wavelengths, we'd expect to see a ring of light caused by the gravitational lensing of hot plasma zipping around the black hole. In other words, the black hole casts a shadow on this backdrop of bright material, carving out a sphere of darkness. This bright ring reveals the black hole's event horizon, where the gravitational pull becomes so great that not even light can escape. Einstein's equations predict the size and shape of this ring, so taking a picture of it wouldn't only be really cool, it would also help to verify that these equations hold in the extreme conditions around the black hole.
Que se passe-t-il si nous nous approchons encore plus près ? Est-ce possible de voir quelque chose qui, par définition, est impossible à voir ? Il s'avère que si nous faisions un zoom des ondes radio, nous devrions voir un cercle de lumière causé par une lentille gravitationnelle du plasma chaud se déplaçant autour du trou noir. En d'autres mots, le trou noir jette une ombre sur ce fond de matière lumineuse, creusant une sphère d'obscurité. Ce cercle lumineux révèle l'horizon des événements du trou noir, où la force gravitationnelle devient si puissante que même la lumière ne peut pas s'en échapper. Les équations d'Einstein prédisent la taille et la forme de ce cercle. En prendre la photo serait génial, et pourrait aussi aider à vérifier la teneur de ces équations dans les conditions extrêmes autour du trou noir.
However, this black hole is so far away from us, that from Earth, this ring appears incredibly small -- the same size to us as an orange on the surface of the moon. That makes taking a picture of it extremely difficult. Why is that? Well, it all comes down to a simple equation. Due to a phenomenon called diffraction, there are fundamental limits to the smallest objects that we can possibly see. This governing equation says that in order to see smaller and smaller, we need to make our telescope bigger and bigger. But even with the most powerful optical telescopes here on Earth, we can't even get close to the resolution necessary to image on the surface of the moon. In fact, here I show one of the highest resolution images ever taken of the moon from Earth. It contains roughly 13,000 pixels, and yet each pixel would contain over 1.5 million oranges.
Toutefois, ce trou noir est si loin de nous que depuis la Terre, ce cercle apparaît incroyablement petit — de la même taille qu'une orange sur la surface de la Lune. Sa distance rend sa prise en photo extrêmement difficile. Pourquoi ça ? Tout cela ne dépend que d'une simple équation. En raison d'un phénomène appelé la diffraction, il existe des limites fondamentales aux plus petits objets que nous sommes en mesure de voir. L'équation principale dit qu'afin de voir de plus en plus petit, nous devons fabriquer un télescope de plus en plus grand. Mais même avec les télescopes optiques les plus puissants sur Terre, nous sommes encore si loin de la résolution nécessaire afin d'imager la surface de la Lune. Voici l'une des images à plus haute résolution qui a été prise de la Lune à partir de la Terre. Elle contient à peu près 13 000 pixels, et pourtant, chaque pixel contiendrait plus d'un million et demi d'oranges.
So how big of a telescope do we need in order to see an orange on the surface of the moon and, by extension, our black hole? Well, it turns out that by crunching the numbers, you can easily calculate that we would need a telescope the size of the entire Earth.
Quelle taille notre télescope devrait-il avoir pour voir une orange sur la surface de la Lune, et par extension, notre trou noir ? Il s'avère qu'en faisant des calculs, on peut déterminer qu'un télescope de la taille de la Terre entière serait nécessaire.
(Laughter)
(Rires)
If we could build this Earth-sized telescope, we could just start to make out that distinctive ring of light indicative of the black hole's event horizon. Although this picture wouldn't contain all the detail we see in computer graphic renderings, it would allow us to safely get our first glimpse of the immediate environment around a black hole.
Si nous pouvions construire un tel télescope, nous pourrions commencer à distinguer ce cercle de lumière indiquant l'horizon des événements du trou noir. Tous les détails que nous voyons dans un rendu par ordinateur ne seront pas visibles, mais nous pourrions avoir notre premier aperçu de l'environnement immédiat d'un trou noir.
However, as you can imagine, building a single-dish telescope the size of the Earth is impossible. But in the famous words of Mick Jagger, "You can't always get what you want, but if you try sometimes, you just might find you get what you need." And by connecting telescopes from around the world, an international collaboration called the Event Horizon Telescope is creating a computational telescope the size of the Earth, capable of resolving structure on the scale of a black hole's event horizon. This network of telescopes is scheduled to take its very first picture of a black hole next year. Each telescope in the worldwide network works together. Linked through the precise timing of atomic clocks, teams of researchers at each of the sites freeze light by collecting thousands of terabytes of data. This data is then processed in a lab right here in Massachusetts.
Mais comme vous pouvez l'imaginer, la construction d'un télescope de la taille de la Terre est impossible. Pour citer Mick Jagger : « On n'a pas toujours ce qu'on veux, mais si on essaie, on peut s'apercevoir qu'on a reçu ce dont on a besoin. » En connectant les télescopes du monde entier, une collaboration internationale appelée l'Event Horizon Telescope est en train de créer un télescope informatique de la taille de la Terre capable d'élucider la structure à l'échelle de l'horizon des événements d'un trou noir. Il est prévu que ce réseau prenne la toute première photo d'un trou noir l'an prochain. Chaque télescope dans ce réseau mondial travaille ensemble. Liés par la précision des horloges atomiques, des équipes de chercheurs figent la lumière de chaque point de vue en collectant des milliers de téraoctets d'informations. Cette information est alors traitée ici, dans un laboratoire du Massachusetts.
So how does this even work? Remember if we want to see the black hole in the center of our galaxy, we need to build this impossibly large Earth-sized telescope? For just a second, let's pretend we could build a telescope the size of the Earth. This would be a little bit like turning the Earth into a giant spinning disco ball. Each individual mirror would collect light that we could then combine together to make a picture. However, now let's say we remove most of those mirrors so only a few remained. We could still try to combine this information together, but now there are a lot of holes. These remaining mirrors represent the locations where we have telescopes. This is an incredibly small number of measurements to make a picture from. But although we only collect light at a few telescope locations, as the Earth rotates, we get to see other new measurements. In other words, as the disco ball spins, those mirrors change locations and we get to observe different parts of the image. The imaging algorithms we develop fill in the missing gaps of the disco ball in order to reconstruct the underlying black hole image. If we had telescopes located everywhere on the globe -- in other words, the entire disco ball -- this would be trivial. However, we only see a few samples, and for that reason, there are an infinite number of possible images that are perfectly consistent with our telescope measurements. However, not all images are created equal. Some of those images look more like what we think of as images than others. And so, my role in helping to take the first image of a black hole is to design algorithms that find the most reasonable image that also fits the telescope measurements.
Alors comment ça marche ? Si nous voulons apercevoir le trou noir au centre de notre galaxie, nous devons construire un télescope impossiblement grand. Prétendons un instant que nous pouvons construire un télescope de la taille de la Terre. Ce serait un peu comme transformer la Terre en une boule disco géante. Chaque miroir collecterait la lumière que nous assemblerions ensuite pour fabriquer une image. Prétendons que nous retirons la plupart de ces miroirs afin qu'il n'en reste que quelques-uns. Nous pourrions toujours essayer d'assembler cette information mais maintenant, il y a beaucoup de trous. Ces miroirs restants représentent les endroits où nous avons des télescopes. C'est un nombre de mesures vraiment petit pour pouvoir en faire une photo. Bien que nous ne collections la lumière qu'en certains endroits, la Terre tourne et nous pouvons obtenir d'autres nouvelles mesures. En d'autres mots, quand la boule disco tourne, ces miroirs changent de place et nous pouvons observer différentes parties de l'image. Des algorithmes de traitement d'image comblent les lacunes de la boule disco afin de reconstruire l'image sous-jacente du trou noir. Si nous avions des télescopes partout dans le monde — ou bien la boule disco dans sa totalité — cette recherche serait futile. Mais nous n'obtenons que quelques échantillons, et pour cette raison, il existe un nombre infini d'images possibles tout à fait cohérentes avec les mesures du télescope. Cependant, ces images ne sont pas toutes égales. Certaines ressemblent plus à l'idée que nous avons des images que d'autres. En aidant à prendre la première photo d'un trou noir, mon rôle est de créer des algorithmes qui trouvent l'image la plus raisonnable qui corresponde aussi aux mesures du télescope.
Just as a forensic sketch artist uses limited descriptions to piece together a picture using their knowledge of face structure, the imaging algorithms I develop use our limited telescope data to guide us to a picture that also looks like stuff in our universe. Using these algorithms, we're able to piece together pictures from this sparse, noisy data. So here I show a sample reconstruction done using simulated data, when we pretend to point our telescopes to the black hole in the center of our galaxy. Although this is just a simulation, reconstruction such as this give us hope that we'll soon be able to reliably take the first image of a black hole and from it, determine the size of its ring. Although I'd love to go on about all the details of this algorithm, luckily for you, I don't have the time.
Tout comme un portraitiste judiciaire utilise des descriptions limitées pour composer une image à l'aide de son savoir en structure faciale, mes algorithmes utilisent notre information télescopique limitée pour nous guider vers une image qui ressemble à ce qu'il y a dans l'univers. À l'aide de ces algorithmes, nous pouvons assembler des images à partir de cette information bruyante et rare. Voici un exemple d'une reconstruction faite avec de l'information simulée quand nous prétendons diriger nos télescopes vers le trou noir au centre de notre galaxie. Bien que ce ne soit qu'une simulation, une telle reconstruction donne l'espoir qu'il sera bientôt possible de prendre la première vraie image d'un trou noir à partir de laquelle nous pourrons déterminer son diamètre. Bien que j'adorerais continuer à parler des détails de l'algorithme, heureusement pour vous, je n'ai pas le temps.
But I'd still like to give you a brief idea of how we define what our universe looks like, and how we use this to reconstruct and verify our results. Since there are an infinite number of possible images that perfectly explain our telescope measurements, we have to choose between them in some way. We do this by ranking the images based upon how likely they are to be the black hole image, and then choosing the one that's most likely.
J'aimerais quand même vous donner une idée comment nous déterminons à quoi notre univers ressemble et comment nous utilisons ça pour reconstruire et vérifier nos résultats. Comme il existe un nombre infini d'images possibles qui explique parfaitement les mesures des télescopes, nous devons choisir entre elles en quelque sorte. Ce choix est fait en classant les images suivant la probabilité qu'elles soient l'image du trou noir, puis en choisissant celle qui semble la plus probable.
So what do I mean by this exactly? Let's say we were trying to make a model that told us how likely an image were to appear on Facebook. We'd probably want the model to say it's pretty unlikely that someone would post this noise image on the left, and pretty likely that someone would post a selfie like this one on the right. The image in the middle is blurry, so even though it's more likely we'd see it on Facebook compared to the noise image, it's probably less likely we'd see it compared to the selfie.
Qu'est-ce que je veux dire exactement ? Disons que nous essayons de créer un modèle qui nous donne la probabilité d'apparition d'une image sur Facebook. Nous voudrions que le modèle dise qu'il est peu probable que quelqu'un poste cette image confuse à gauche, et plutôt probable que quelqu'un poste un selfie, comme celle de droite. L'image du milieu est floue, et bien qu'il soit plus probable de la voir sur Facebook comparée à l'image brouillée, il est peu probable que nous la voyions comparée au selfie.
But when it comes to images from the black hole, we're posed with a real conundrum: we've never seen a black hole before. In that case, what is a likely black hole image, and what should we assume about the structure of black holes? We could try to use images from simulations we've done, like the image of the black hole from "Interstellar," but if we did this, it could cause some serious problems. What would happen if Einstein's theories didn't hold? We'd still want to reconstruct an accurate picture of what was going on. If we bake Einstein's equations too much into our algorithms, we'll just end up seeing what we expect to see. In other words, we want to leave the option open for there being a giant elephant at the center of our galaxy.
Mais quand il s'agit des images du trou noir, nous faisons face à un vrai dilemme : nous n'avons jamais vu de trou noir. A quoi doit ressembler une image d'un trou noir et que devrions-nous supposer de la structure de ceux-ci ? Nous pourrions utiliser des images de simulations précédentes, comme celle du trou noir d'« Interstellar », ce qui pourrait causer de sérieux problèmes. Que se passerait-il si les théories d'Einstein s'avéraient fausses ? Nous voudrions quand même reconstruire une image fidèle de ce qui se passe. Si nos algorithmes s'appuient trop sur les équations d'Einstein, nous ne finirons que par voir ce que nous espérons voir. Nous voulons laisser la porte ouverte à la présence d'un éléphant géant au centre de notre galaxie.
(Laughter)
(Rires)
Different types of images have very distinct features. We can easily tell the difference between black hole simulation images and images we take every day here on Earth. We need a way to tell our algorithms what images look like without imposing one type of image's features too much. One way we can try to get around this is by imposing the features of different kinds of images and seeing how the type of image we assume affects our reconstructions. If all images' types produce a very similar-looking image, then we can start to become more confident that the image assumptions we're making are not biasing this picture that much.
Des types différents d'images ont des traits très particuliers. On peut facilement faire la différence entre les images simulées d'un trou noir et celles que nous prenons tous les jours sur Terre. Il nous faut une façon de dire à nos algorithmes à quoi les images ressemblent sans trop imposer un type de caractéristique d'image. Nous pourrions contourner ce problème en imposant les caractéristiques de différents types d'images et voir comment ces genres d'images influencent nos reconstructions. Si tous les types d'images produisent une image très similaire, nous pouvons donc gagner confiance sur le fait que nos hypothèses ne biaisent pas tellement la photo.
This is a little bit like giving the same description to three different sketch artists from all around the world. If they all produce a very similar-looking face, then we can start to become confident that they're not imposing their own cultural biases on the drawings. One way we can try to impose different image features is by using pieces of existing images. So we take a large collection of images, and we break them down into their little image patches. We then can treat each image patch a little bit like pieces of a puzzle. And we use commonly seen puzzle pieces to piece together an image that also fits our telescope measurements.
C'est un peu comme donner la même description à trois dessinateurs autour du monde. S'ils produisent un visage très similaire, nous pouvons alors être certains qu'ils n'imposent pas leur propre subjectivité culturelle aux dessins. Un moyen pour imposer des caractéristiques d'image différentes est d'utiliser des morceaux d'images existantes. Nous prenons une grande collection d'images, et nous les découpons en petits morceaux. Nous pouvons alors traiter chaque morceau comme les pièces d'un puzzle. Nous utilisons ces pièces de puzzle pour assembler une image qui correspond aussi avec les mesures des télescopes.
Different types of images have very distinctive sets of puzzle pieces. So what happens when we take the same data but we use different sets of puzzle pieces to reconstruct the image? Let's first start with black hole image simulation puzzle pieces. OK, this looks reasonable. This looks like what we expect a black hole to look like. But did we just get it because we just fed it little pieces of black hole simulation images? Let's try another set of puzzle pieces from astronomical, non-black hole objects. OK, we get a similar-looking image. And then how about pieces from everyday images, like the images you take with your own personal camera? Great, we see the same image. When we get the same image from all different sets of puzzle pieces, then we can start to become more confident that the image assumptions we're making aren't biasing the final image we get too much.
Différents types d'images ont des lots propres de pièces de puzzle. Ce qui se produit quand on prend les mêmes données mais qu'on utilise différents lots de pièces pour reconstruire l'image ? Commençons par des pièces de puzzle d'image de simulation du trou noir. OK. Cela semble raisonnable. Ceci ressemble à ce qu'on attend d'un trou noir. Mais ne l'avons-nous pas obtenu car nous avons nourri la machine de petits morceaux de notre simulation ? Essayons un autre lot de puzzle à partir des objets astronomiques, non du trou noir. D'accord, on obtient une image similaire. Ensuite, testons les pièces d'images quotidiennes comme les images que vous prenez avec votre appareil photo. Génial, nous voyons la même image. Quand on obtient la même image avec tous les différents lots de puzzle, alors on peut commencer à être plus sûr que nos hypothèses d'image ne biaisent pas trop l'image finale obtenue.
Another thing we can do is take the same set of puzzle pieces, such as the ones derived from everyday images, and use them to reconstruct many different kinds of source images. So in our simulations, we pretend a black hole looks like astronomical non-black hole objects, as well as everyday images like the elephant in the center of our galaxy. When the results of our algorithms on the bottom look very similar to the simulation's truth image on top, then we can start to become more confident in our algorithms. And I really want to emphasize here that all of these pictures were created by piecing together little pieces of everyday photographs, like you'd take with your own personal camera. So an image of a black hole we've never seen before may eventually be created by piecing together pictures we see all the time of people, buildings, trees, cats and dogs. Imaging ideas like this will make it possible for us to take our very first pictures of a black hole, and hopefully, verify those famous theories on which scientists rely on a daily basis.
On peut aussi prendre les mêmes lots de pièces de puzzle, tel que ceux dérivés d'images quotidiennes, et les utiliser pour reconstruire beaucoup de différents types d'image source. Ainsi dans nos simulations, nous prétendons qu'un trou noir ressemble à des objets non-trou noir, ou à nos images quotidiennes comme l'éléphant au cœur de notre galaxie. Quand le résultat de nos algorithmes, en bas, ressemble à l'image témoin de la simulation en haut, nos algorithmes commencent à nous convaincre. Je tiens vraiment à souligner ici que tous ces images ont été créées en accolant des petits morceaux de photos quotidiennes, comme celles que vous auriez pu prendre. Donc une image d'un trou noir qu'on a jamais vu précédemment peut être finalement être créée par l'assemblage de photos quotidiennes de personnes, de bâtiments, d'arbres, de chats et de chiens. Imaginer de telles idées nous permet de prendre nos tout premières photos d'un trou noir, et avec optimisme de vérifier ces théories célèbres sur lesquelles les scientifiques se basent tous les jours.
But of course, getting imaging ideas like this working would never have been possible without the amazing team of researchers that I have the privilege to work with. It still amazes me that although I began this project with no background in astrophysics, what we have achieved through this unique collaboration could result in the very first images of a black hole. But big projects like the Event Horizon Telescope are successful due to all the interdisciplinary expertise different people bring to the table. We're a melting pot of astronomers, physicists, mathematicians and engineers. This is what will make it soon possible to achieve something once thought impossible.
Mais bien sûr, la concrétisation d'idées pareilles n'aurait pas été possible sans l'équipe incroyable de chercheurs avec qui j'ai le privilège de travailler. Cela m'étonne encore qu'en dépit de mes lacunes en astrophysique, ce qu'on a pu accomplir grâce à cette collaboration unique puisse mener aux premières photos d'un trou noir. Les grand projets comme l'Event Télescope Horizon réussissent grâce à toutes l'expertise interdisciplinaire que différentes personnes apportent. On est un creuset d’astronomes, de physiciens, de mathématiciens et d'ingénieurs. C'est ce qui rendra bientôt possible la réalisation d'une chose que l'on pensait impossible.
I'd like to encourage all of you to go out and help push the boundaries of science, even if it may at first seem as mysterious to you as a black hole.
J'aimerais vous encourager à lever la main et aider à repousser les limites de la science, même si cela peut vous sembler aussi mystérieux qu'un trou noir.
Thank you.
Merci.
(Applause)
(Applaudissements)