MDN
Katie Bouman
Ronny Isla Isuiza

Explicar la compleja labor mediante la cual 200 matemáticos, físicos, ingenieros y astrónomos de todo el mundo lograron obtener la primera imagen real de un agujero negro, fue un reto más que la joven científica informática asumió en noviembre del 2016.

Cuando aún era estudiante de doctorado en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del reputado Instituto de Tecnología de Massachusetts (MIT, por sus siglas en inglés), Katie Bouman ofreció en la que explicó los alcances de este asombroso proyecto.

Apoyada en referencias a la cultura popular, el cine de ciencia ficción y las redes sociales, Bouman generó interés en su trabajo no solo en el selecto grupo de asistentes a la conferencia TED dictada en Massachusetts, Estados Unidos, sino en cientos de miles de usuarios de YouTube que reprodujeron la conferencia y la tradujeron a distintos idiomas, incluido el español.

Para obtener la imagen del agujero negro, ocho telescopios en el mundo, unidos gracias al proyecto Telescopio del Horizonte de Sucesos (Event Horizon Telescope, EHT, en inglés), colocaron en su punto de mira de forma simultánea el agujero negro supermasivo ubicado en el centro de la galaxia M87, a una distancia de 53,3 millones de años luz de la Tierra.

“Citando a Mick Jagger, ‘No siempre consigues lo que quieres, pero si lo intentas, a veces ves que consigues lo que necesitas’, dijo Katie Bouman al explicar que la labor combinada de los ochos telescopio ayudó a crear un “telescopio computacional”. Esta labor sincronizada ayudó a salvar el postulado según el cual para obtener la codiciada imagen se requerirá un telescopio del tamaño de la Tierra.

Ese trabajo combinado se efectuó el año 2017: durante diez noches los ocho telescopios apuntaron en una sola dirección y obtuvieron una monumental cantidad de datos -alrededor de 350 terabytes diarios, por cada telescopio-, que debían procesarse a fin de obtener la imagen del monstruo cósmico.

La científica Katie Bouman junto a las torres de discos duros con los datos sin procesar que contienen la imagen de agujero negro. (Foto vía Twitter: @MIT_CSAIL)
La científica Katie Bouman junto a las torres de discos duros con los datos sin procesar que contienen la imagen de agujero negro. (Foto vía Twitter: @MIT_CSAIL)

Es en este punto en que Katie Bouman se convierte en : ella lideró el equipo responsable de crear los algoritmos que encuentren entre toda esa data “la imagen más razonable que encaje con los datos de los telescopios”.

De manera simple, la doctora Bouman lo explica así: “Igual que un artista forense usa descripciones limitadas para componer una imagen aplicando sus conocimientos sobre estructura facial, los algoritmos de obtención de imágenes que desarrollo ayudan a usar los datos limitados de los telescopios hasta conseguir una imagen que se parezca a cosas de nuestro universo. Usando estos algoritmos, podemos componer imágenes a partir de estos datos escasos y sucios”.

De acuerdo con la científica, el algoritmo utilizado para completar la primera imagen real de un agujero negro jugó con "probabilidades". Entre las imágenes procesadas se seleccionó la que más probabilidades tenían de parecerse a esta.

“Digamos que estábamos intentando construir un sistema que nos diga las probabilidades de que una imagen esté en Facebook. Seguramente nos gustaría que el sistema nos dijera que es poco probable que alguien suba la imagen llena de ruido de la izquierda, y muy probable que publique un selfie como éste de la derecha. La imagen central está borrosa, así que aunque fuese más probable verla en Facebook que la imagen con ruido, es menos probable que el selfie”, explicó apoyada en esta imagen (abajo).

Parte de la explicación de cómo funcionan los algoritmos de Katie Bouman.
Parte de la explicación de cómo funcionan los algoritmos de Katie Bouman.

En este punto hay un gran dilema: nunca nadie vio un agujero negro, así que ¿cuál es una imagen probable de un agujero negro?: “Una manera de resolver esto es imponer características de varios tipos de imágenes, y ver cómo el tipo de imagen que suponemos afecta a nuestras reconstrucciones. Si todos los tipos de imágenes producen imágenes similares, podemos empezar a estar seguros de que nuestras conjeturas no están deformando tanto la imagen”.

Para una mejor comprensión, Katie Bouman apeló a esta comparación: “Es parecido a dar la misma descripción a tres artistas de diferentes lugares. Si todos producen un rostro similar, podemos empezar a estar seguros de que no están forzando sus propios prejuicios culturales en los dibujos”.

A partir de aquí, la explicación se hace más clara con ayuda audiovisual así que mira el video en YouTube, activa la función “Subtítulos” en español y comprende mejor cómo los algoritmos de la entonces estudiante Katie Bouman hicieron posible la construcción de la primera imagen de un agujero negro.

“Aún me asombra que aunque empecé este proyecto sin saber astrofísica, lo que hemos logrado a través de esta colaboración única podría resultar en las primeras imágenes de un agujero negro”, dijo la científica al cierre de su conferencia el 2016, y así fue. El selfie que Katie Bouman publicó ayer en Facebook no deja espacio a las dudas; su emoción por esta conquista es tan real como la impresionante imagen que ella y su equipo nos regaló.

Incredulidad. La imagen de Katie Bouman viendo con asombro el resultado de la construcción de la primera imagen de un agujero negro. (Facebook) 
Incredulidad. La imagen de Katie Bouman viendo con asombro el resultado de la construcción de la primera imagen de un agujero negro. (Facebook) 

Contenido Sugerido

Contenido GEC