(CNN) – Imagina que quieres tomar la foto de una naranja que está en la luna con tu teléfono. Parece imposible.
Fue lo mismo para los científicos que intentaban capturar una imagen de un agujero negro en el espacio. A pesar de la gran tarea, un equipo internacional de más de 200 investigadores reveló la primera imagen de un agujero negro el miércoles.
LEE: ¿Qué es un agujero negro?
El esfuerzo no hubiera sido posible sin Katie Bouman, quien desarrolló un algoritmo crucial que ayudó a idear métodos de imágenes.
Hace tres años, Bouman lideró la creación de un algoritmo que eventualmente ayudó a capturar esta primera imagen de su tipo: un agujero negro supermasivo y su sombra en el centro de una galaxia conocida como M87. Entonces ella era estudiante de posgrado en ciencias de la computación e inteligencia artificial en el Instituto de Tecnología de Massachusetts.
Los agujeros negros están muy alejados y son compactos, por lo que tomar una foto de uno no es una tarea sencilla. Además, se supone que los agujeros negros, por definición, son invisibles, aunque pueden desprender una sombra cuando interactúan con el material que los rodea.
Una red global de telescopios conocida como el proyecto Event Horizon Telescope recolectó millones de gigabytes de datos sobre la M87 utilizando una técnica conocida como interferometría. Sin embargo, todavía había grandes huecos en los datos que debían llenarse.
Su algoritmo, y muchos otros, ayudaron a llenar los huecos
Ahí es donde el algoritmo de Bouman, junto con varios otros, entró en juego. Utilizando algoritmos de imágenes como el de Bouman, los investigadores crearon tres líneas de código para reconstruir la imagen.
LEE: La foto del agujero negro: ¿por qué pudimos ver un fenómeno que ni siquiera emite luz?
Tomaron los “datos escasos y ruidosos” que escupían los telescopios e intentaron crear una imagen. Durante los últimos años, Bouman dirigió la verificación de imágenes y la selección de parámetros de imagen.
“Desarrollamos formas de generar datos sintéticos y utilizamos diferentes algoritmos e hicimos pruebas a ciegas para ver si podíamos recuperar una imagen”, dijo a CNN.
“No queríamos únicamente desarrollar un algoritmo. Queríamos desarrollar muchos algoritmos diferentes que tuvieran suposiciones diferentes incorporadas. Si todos ellos recuperan la misma estructura general, entonces eso genera confianza”.
¿El resultado? Una innovadora imagen de una estructura ladeada y en forma de anillo que Albert Einstein predijo hace más de un siglo en su teoría de la relatividad. De hecho, los investigadores habían generado varias fotos y todas lucían iguales. La imagen del agujero negro presentada el miércoles no era de ningún método en particular, sino de todas las imágenes de diferentes algoritmos que estaban borrosas.
“No importa lo que hayamos hecho, tendrías que esforzarte al máximo para obtener algo que no fuera este anillo”, dijo Bouman.
Bouman era una integrante clave del equipo
“(Bouman) fue una parte importante de uno de los subequipos de imágenes”, dijo Vincent Fish, científico investigador del Observatorio Haystack del MIT.
“Una de las ideas que Katie aportó a nuestro grupo de imágenes es que existen imágenes naturales”, dijo Fish. “Solo piense en las fotos que toma con la cámara de su teléfono: tienen ciertas propiedades … Si sabe qué es un píxel, tiene una buena idea de a lado de qué está el píxel”.
Por ejemplo, hay áreas que son más suaves y áreas que tienen límites definidos. Las imágenes astronómicas comparten estas propiedades y puedes codificarlas matemáticamente, dijo Fish.
Los miembros jóvenes como Bouman hicieron contribuciones significativas al proyecto, agregó. Por supuesto, los científicos superiores trabajaron en el proyecto, pero la parte de la imagen fue dirigida principalmente por investigadores jóvenes, como estudiantes posgrado y postdoctorado.
“Ninguno de nosotros podría haberlo hecho solo”, dijo Bouman. “Se consiguió gracias a una gran cantidad de personas de distintos orígenes”.
Bouman empezará a enseñar como profesora asistente en el Instituto de Tecnología de California en el otoño.
