खगोलविदों ने एक सुपरमैसिव ब्लैक होल से निकलने वाली जेट को दर्शाने वाला अब तक का उच्चतम रिज़ॉल्यूशन वाला वीडियो बनाने में सफलता प्राप्त की। इस परिणाम को प्राप्त करने के लिए टीम ने लगभग तीन दशकों के डेटा को एकीकृत किया और मशीन लर्निंग के एक नए मॉडल को लागू किया जो सामग्री की गति को पुनर्स्थापित करने और छवियों को बेहतर बनाने में सक्षम है।
अवलोकन की वस्तु गैलेक्सी 3C 345 के केंद्र में स्थित है, जिसे एक ब्लज़ार के रूप में जाना जाता है - एक अत्यंत सक्रिय प्रकार की आकाशगंगा जिसका कोर पदार्थ, जिसमें गैस और प्लाज्मा शामिल है, प्रकाश की गति के करीब की गति से एक शक्तिशाली जेट उत्सर्जित करता है। इस जेट का स्रोत एक सुपरमैसिव ब्लैक होल है, जो संभावित रूप से दूसरे ब्लैक होल के चारों ओर घूम सकता है। इस जेट का परिवर्तनशील व्यवहार कई दशकों से खगोलविदों का ध्यान आकर्षित कर रहा था।
वीडियो बनाने के लिए शोधकर्ताओं ने 1995 से 2022 की अवधि के दौरान लिए गए 116 चित्रों का उपयोग किया। इन छवियों को फिर Kine एल्गोरिथम द्वारा संसाधित किया गया, जो न्यूरल नेटवर्क पर आधारित है और इस तरह के अवलोकनों को बेहतर बनाने के लिए डिज़ाइन किया गया है। टीम के कुछ सदस्यों ने इवेंट होराइजन टेलीस्कोप परियोजना में भी भाग लिया, जो पहले सुपरमैसिव ब्लैक होल की छवि प्राप्त करने के लिए जिम्मेदार थी।
वीडियो जेट के तीन पहलुओं को प्रदर्शित करता है: समग्र तीव्रता, ध्रुवीकरण (जो चुंबकीय क्षेत्र का संकेतक है) और ऑप्टिकल प्रवाह, जो प्रक्षेपित वेग का प्रतिनिधित्व करता है। इस परिणाम ने वैज्ञानिकों को आश्चर्यचकित किया, क्योंकि यह धारणा थी कि सबसे चमकीले क्षेत्र शॉक फ्रंट हैं और इसलिए आसपास की सामग्री की तुलना में काफी तेजी से आगे बढ़ने चाहिए। हालांकि, प्राप्त डेटा ने इसे पुष्टि नहीं की।
शोधकर्ताओं के लेखकों का दावा है कि उन्हें इस बात का कोई प्रमाण नहीं मिला कि गतिशील चमकीले घटक उन क्षेत्रों से संबंधित हैं जो पहले अनुमान लगाया गया था, शॉक प्रभावों से अत्यधिक प्रभावित हैं। शॉक फ्रंट पर आधारित व्याख्या भी चमकीली संरचनाओं और ध्रुवीकरण के चरम बिंदुओं के बीच सहसंबंध की कमी के कारण कमजोर हो गई है। हालांकि यह शॉक फ्रंट परिकल्पना को पूरी तरह से बाहर नहीं करता है, लेकिन ये अवलोकन इन रहस्यमय सापेक्षतावादी जेट्स में वास्तव में क्या हो रहा है, इस पर नए प्रश्न उठाते हैं।
कार्य के प्रमुख तत्वों में से एक जेट की गति को पुनर्निर्मित करने के लिए न्यूरल नेटवर्क का उपयोग करना था। प्रत्येक चित्र का अलग-अलग विश्लेषण करने के बजाय, एल्गोरिथम ने शोधकर्ताओं को संरचना के साथ प्लाज्मा की गति को देखने की अनुमति दी। यह विधि पारंपरिक दृष्टिकोणों की तुलना में लगभग चार गुना अधिक रिज़ॉल्यूशन और 140 गुना अधिक कंट्रास्ट प्रदान करती है। शोधकर्ताओं का मानना है कि यह मशीन लर्निंग एल्गोरिथम संभवतः तब लागू किया जा सकेगा जब ब्लैक होल के इवेंट होराइजन का पहला वीडियो बनाया जा सकेगा। यह अध्ययन नेचर पत्रिका में प्रकाशित हुआ था।