Чёрные дыры-близнецы больше не обманут астрофизиков: у компьютера теперь есть ИИ-шпаргалка

Международная группа астрофизиков предложила новый способ анализировать данные о гравитационных волнах. Их исследование, опубликованное в журнале Physical Review Letters, поможет лучше понять природу чёрных дыр и других космических объектов.

С 2015 года учёные регулярно регистрируют колебания пространства-времени, которые возникают при слиянии массивных космических тел. Чаще всего это происходит, когда две чёрные дыры или нейтронные звезды кружатся по спирали, постепенно приближаясь друг к другу, а затем сливаются в единое целое. В момент слияния высвобождается огромная энергия, которая и создаёт эти волны в космическом пространстве.

Однако здесь мешало одно важное препятствие. Чтобы изучать такие космические события, им нужно как-то различать объекты в каждой паре. Традиционно более массивный объект называют "первым", а его партнёра — "вторым". Но что делать, если массы почти одинаковы и разница между ними меньше, чем погрешность измерений? В таком случае невозможно достоверно определить, какой объект тяжелее.

Астрофизики пытались найти другие способы различать объекты, — объясняет руководитель исследования Давиде Героса из Миланского университета Бикокка. — Например, сравнивать скорость вращения. Но та же проблема возникает снова: если объекты вращаются примерно одинаково, как решить, какой из них считать первым?

От того, как мы различаем и маркируем космические тела, зависит точность всех дальнейших расчётов и выводов. Если астрофизик по ошибке припишет характеристики одного другому, это может привести к неверной интерпретации всего события. Именно поэтому так важно найти надёжный подход.

Команда Героса предложила интересное решение: пусть компьютер сам определит, как лучше различать объекты, анализируя все их характеристики одновременно. Для этого учёные применили особый тип машинного обучения — кластеризацию с ограничениями. Алгоритм ищет закономерности во всём массиве данных о паре объектов: их массе, скорости вращения, траектории движения и так далее.

При этом программа работает с одним важным условием: два объекта из одного события обязательно должны попасть в разные группы. Это логично: как бы похожи ни были чёрные дыры или нейтронные звёзды, это всё-таки разные тела, просто участвующие в одном космическом танце.

Международная команда, включающая студентов Виолу Де Рензис и Федерику Теттони, постдока Костантино Пачилио, выпускника MIT Мэтью Моулда и профессора Бирмингемского университета Альберто Веккио, проверила новый метод на реальных сигналах, зарегистрированных детекторами LIGO, Virgo и KAGRA.

Результаты поразили даже самих исследователей. Новый подход позволил на 50% точнее измерять, как именно вращаются чёрные дыры. А в некоторых случаях он полностью исключил неопределённость в интерпретации, которая существовала раньше.

Особенно показателен пример гравитационной волны GW191103_012549. Согласно старому методу анализа, вероятность того, что одна из чёрных дыр вращалась в направлении, противоположном орбитальному движению, составляла 13%. Новый алгоритм показал, что эта вероятность всего 0,1% — то есть практически наверняка обе чёрные дыры вращались в одном направлении с общей орбитой.

Обычно чтобы повысить точность на столь большой процент, нужно конструировать новые, более совершенные телескопы и детекторы, — отмечает Героса. — А мы добились этого, просто научив компьютер по-новому анализировать уже имеющиеся сведения.

Опять же, точное определение параметров вращения чёрных дыр критически важно для понимания того, как они формируются. Направление и скорость вращения могут рассказать, образовалась ли чёрная дыра из одной массивной звезды или возникла при слиянии нескольких объектов. Эта информация помогает восстановить историю развития галактик и понять эволюцию Вселенной в целом.

Новый метод уже готов к применению не только на существующих гравитационных детекторах, но и на будущих установках. Среди них — космическая обсерватория LISA, которую планируют запустить в космос, и наземный Einstein Telescope. Эти инструменты смогут улавливать гораздо более слабые возмущения.