How to take a picture of a black hole | Katie Bouman

3,361,362 views ・ 2017-04-28

TED


下の英語字幕をダブルクリックすると動画を再生できます。

翻訳: Kaoru Suzuki 校正: Masaki Yanagishita
00:13
In the movie "Interstellar,"
0
13436
1860
映画『インターステラー』では
超大質量ブラックホールの姿を 間近に見ることができました
00:15
we get an up-close look at a supermassive black hole.
1
15320
3327
00:18
Set against a backdrop of bright gas,
2
18671
2143
明るいガスを背景として
00:20
the black hole's massive gravitational pull
3
20838
2118
ブラックホールの巨大な重力によって
00:22
bends light into a ring.
4
22980
1435
光がリング状に曲げられています
00:24
However, this isn't a real photograph,
5
24439
2109
しかし これは実際の写真ではなく
コンピュータグラフィックによるもので
00:26
but a computer graphic rendering --
6
26572
1786
ブラックホールの姿についての イラストレーターによる想像図です
00:28
an artistic interpretation of what a black hole might look like.
7
28382
3390
00:32
A hundred years ago,
8
32401
1166
100年前に
00:33
Albert Einstein first published his theory of general relativity.
9
33591
3601
アインシュタインが 一般相対性理論を発表しました
00:37
In the years since then,
10
37216
1439
それ以来
00:38
scientists have provided a lot of evidence in support of it.
11
38679
2973
科学者は この理論を裏付ける 様々な証拠を発見しています
00:41
But one thing predicted from this theory, black holes,
12
41676
3084
しかし この理論で予言された ブラックホールは
00:44
still have not been directly observed.
13
44784
2350
まだ 直接は観測されていません
ブラックホールの姿についてのアイデアは いくつかあるのですが
00:47
Although we have some idea as to what a black hole might look like,
14
47158
3206
まだ 実際の写真は 1枚も撮られていません
00:50
we've never actually taken a picture of one before.
15
50388
2779
00:53
However, you might be surprised to know that that may soon change.
16
53191
4279
しかし まもなく可能になるとすれば 皆さんは驚かれるでしょう
00:57
We may be seeing our first picture of a black hole in the next couple years.
17
57494
4164
この数年の間に ブラックホールを撮影した 初めての写真を見ることになるでしょう
01:01
Getting this first picture will come down to an international team of scientists,
18
61682
3958
最初の1枚の撮影は 世界中の科学者からなるチームと
地球サイズの望遠鏡と
01:05
an Earth-sized telescope
19
65664
1567
1枚の写真に構成する アルゴリズムによるものです
01:07
and an algorithm that puts together the final picture.
20
67255
2832
今日 皆さんにブラックホールの写真を 実際にお見せできませんが
01:10
Although I won't be able to show you a real picture of a black hole today,
21
70111
3528
その最初の1枚を撮るための舞台裏を
01:13
I'd like to give you a brief glimpse into the effort involved
22
73663
2911
01:16
in getting that first picture.
23
76598
1613
ちらりとお見せします
私は ケイティ・バウマンと申します
01:19
My name is Katie Bouman,
24
79477
1437
01:20
and I'm a PhD student at MIT.
25
80938
2566
MITの大学院生で
コンピュータサイエンス研究室で
01:23
I do research in a computer science lab
26
83528
2027
01:25
that works on making computers see through images and video.
27
85579
3298
コンピュータに写真やビデオを認識させる 研究をしています
01:28
But although I'm not an astronomer,
28
88901
2162
私が天文学者ではないのに
この刺激的なプロジェクトに
01:31
today I'd like to show you
29
91087
1285
どのように貢献してきたかをお見せします
01:32
how I've been able to contribute to this exciting project.
30
92396
2903
今夜 都会の明かりから逃れて郊外へ行けば
01:35
If you go out past the bright city lights tonight,
31
95323
2831
天の川銀河系の素晴らしい姿を 目にすることができるでしょう
01:38
you may just be lucky enough to see a stunning view
32
98178
2436
01:40
of the Milky Way Galaxy.
33
100638
1493
何百万もの星を通り抜けて
01:42
And if you could zoom past millions of stars,
34
102155
2462
01:44
26,000 light-years toward the heart of the spiraling Milky Way,
35
104641
3755
2万6千光年先にある渦巻き銀河の中心を 拡大して見られれば
最後には 中心にある星の集団に たどり着くことでしょう
01:48
we'd eventually reach a cluster of stars right at the center.
36
108420
3521
01:51
Peering past all the galactic dust with infrared telescopes,
37
111965
3206
天文学者たちが 宇宙空間の塵に隠れて 見えにくいこれらの星を
赤外線望遠鏡で観測し始めてから 16年以上経ちます
01:55
astronomers have watched these stars for over 16 years.
38
115195
3867
しかし 一番見たいものを見てはいません
01:59
But it's what they don't see that is the most spectacular.
39
119086
3589
02:02
These stars seem to orbit an invisible object.
40
122699
3066
銀河系の中心の星は 見えない物体の周りを 周回するように見えます
02:05
By tracking the paths of these stars,
41
125789
2323
この星々の軌道を追跡した結果
天文学者は
02:08
astronomers have concluded
42
128136
1294
この運動を引き起こすような サイズと質量の天体は
02:09
that the only thing small and heavy enough to cause this motion
43
129454
3129
超大質量ブラックホールだけと結論づけました
02:12
is a supermassive black hole --
44
132607
1968
02:14
an object so dense that it sucks up anything that ventures too close --
45
134599
4178
それは 密度がとても高いため 近づいたものを全て―
02:18
even light.
46
138801
1494
光さえも 飲み込みます
02:20
But what happens if we were to zoom in even further?
47
140319
3061
もっと拡大して見たらどうなるでしょう?
定義からして見えるはずのない物を 見ることはできるでしょうか?
02:23
Is it possible to see something that, by definition, is impossible to see?
48
143404
4733
02:28
Well, it turns out that if we were to zoom in at radio wavelengths,
49
148719
3244
電波望遠鏡で観測すれば
02:31
we'd expect to see a ring of light
50
151987
1682
ブラックホールの周囲の高温プラズマが
02:33
caused by the gravitational lensing of hot plasma
51
153693
2411
重力で曲がることによってできる
光のリングを観測できるはずです
02:36
zipping around the black hole.
52
156128
1829
02:37
In other words,
53
157981
1160
つまり
ブラックホールは この明るい物質を背景に影を作り
02:39
the black hole casts a shadow on this backdrop of bright material,
54
159165
3171
球状の暗闇を作りだすのです
02:42
carving out a sphere of darkness.
55
162360
1842
この明るい輪は ブラックホールの 事象の地平面と呼ばれ
02:44
This bright ring reveals the black hole's event horizon,
56
164226
3339
ここから先は あまりに重力が強いので
02:47
where the gravitational pull becomes so great
57
167589
2400
光でさえ逃れられなくなります
02:50
that not even light can escape.
58
170013
1626
02:51
Einstein's equations predict the size and shape of this ring,
59
171663
2859
アインシュタインの方程式で この輪の大きさと形が予測されます
02:54
so taking a picture of it wouldn't only be really cool,
60
174546
3208
ですから その写真を撮ることは とてもかっこいいだけではなく
02:57
it would also help to verify that these equations hold
61
177778
2618
アインシュタインの方程式が ブラックホール周辺の
極限状態でも成り立つかを 確認するのに役立ちます
03:00
in the extreme conditions around the black hole.
62
180420
2466
03:02
However, this black hole is so far away from us,
63
182910
2558
しかし このブラックホールは 私たちの地球からとても遠いので
03:05
that from Earth, this ring appears incredibly small --
64
185492
3098
この輪は信じられないほど 小さくしか見えません
月の表面にある1個のオレンジを 観測するのと同じ位に小さいのです
03:08
the same size to us as an orange on the surface of the moon.
65
188614
3590
03:12
That makes taking a picture of it extremely difficult.
66
192758
2824
ですから この輪の写真を撮るのは とてつもなく難しいのです
03:16
Why is that?
67
196645
1302
どうしてでしょうか?
03:18
Well, it all comes down to a simple equation.
68
198512
3188
その答えは 一つの単純な方程式によって示されます
回折という現象のために
03:21
Due to a phenomenon called diffraction,
69
201724
2416
私たちが観測できる対象のサイズには 根本的に限界があります
03:24
there are fundamental limits
70
204164
1355
03:25
to the smallest objects that we can possibly see.
71
205543
2670
私たちが観測できる対象のサイズには 根本的に限界があります
03:28
This governing equation says that in order to see smaller and smaller,
72
208789
3672
その方程式によれば 小さいものを見ようとすればするほど
望遠鏡を大きくしなければならないのです
03:32
we need to make our telescope bigger and bigger.
73
212485
2587
しかし 地球上の最大の光学望遠鏡でさえ
03:35
But even with the most powerful optical telescopes here on Earth,
74
215096
3069
月の表面の写真を撮るのに
03:38
we can't even get close to the resolution necessary
75
218189
2419
03:40
to image on the surface of the moon.
76
220632
2198
必要な解像度に近づくことさえできません
03:42
In fact, here I show one of the highest resolution images ever taken
77
222854
3617
これは現時点での最高の解像度で撮影された
地球から見た月の写真です
03:46
of the moon from Earth.
78
226495
1397
03:47
It contains roughly 13,000 pixels,
79
227916
2557
この写真は約1万3千画素ですが
1画素に 150万個以上のオレンジが 収まってしまいます
03:50
and yet each pixel would contain over 1.5 million oranges.
80
230497
4050
03:55
So how big of a telescope do we need
81
235396
1972
月面にある1個のオレンジを
03:57
in order to see an orange on the surface of the moon
82
237392
2765
さらに あのブラックホールを観測するには
どんな大きさの望遠鏡が必要なのでしょうか?
04:00
and, by extension, our black hole?
83
240181
2214
04:02
Well, it turns out that by crunching the numbers,
84
242419
2340
まじめに計算してみると
04:04
you can easily calculate that we would need a telescope
85
244783
2610
地球と同じ大きさの望遠鏡が必要であることが
簡単に分かります
04:07
the size of the entire Earth.
86
247417
1393
(笑)
04:08
(Laughter)
87
248834
1024
もし地球サイズの望遠鏡を建設できれば
04:09
If we could build this Earth-sized telescope,
88
249882
2119
ブラックホールの事象の地平面を示す
04:12
we could just start to make out that distinctive ring of light
89
252025
2925
特別な光の輪を見分け始められるのです
04:14
indicative of the black hole's event horizon.
90
254974
2183
この写真は コンピュータグラフィックほど
04:17
Although this picture wouldn't contain all the detail we see
91
257181
2918
詳細ではありませんが
04:20
in computer graphic renderings,
92
260123
1506
これによって 初めて ブラックホールの周辺の状況を
04:21
it would allow us to safely get our first glimpse
93
261653
2299
04:23
of the immediate environment around a black hole.
94
263976
2487
確実に 一目見ることができます
しかし ご想像の通り
04:26
However, as you can imagine,
95
266487
1613
地球と同じ大きさの一枚の反射鏡で 望遠鏡を造ることは不可能です
04:28
building a single-dish telescope the size of the Earth is impossible.
96
268124
3624
でもミック・ジャガーも歌っているように
04:31
But in the famous words of Mick Jagger,
97
271772
1887
04:33
"You can't always get what you want,
98
273683
1791
「欲しいものがいつも手に入るわけではない
04:35
but if you try sometimes, you just might find
99
275498
2187
でも 何度もトライすれば 必要なものは手にいれられるだろう」
04:37
you get what you need."
100
277709
1215
04:38
And by connecting telescopes from around the world,
101
278948
2464
そして 世界中の望遠鏡を繋ごうという
「事象の地平面望遠鏡」という 国際プロジェクトでは
04:41
an international collaboration called the Event Horizon Telescope
102
281436
3538
04:44
is creating a computational telescope the size of the Earth,
103
284998
3109
地球サイズの望遠鏡を コンピュータの力で実現し
ブラックホールの事象の地平面を
04:48
capable of resolving structure
104
288131
1537
04:49
on the scale of a black hole's event horizon.
105
289692
2199
捉えられる解像度に達しようとしています
04:51
This network of telescopes is scheduled to take its very first picture
106
291915
3387
2017年には この望遠鏡ネットワークを使って
最初のブラックホール写真の撮影を 計画しています
04:55
of a black hole next year.
107
295326
1815
この計画では 世界規模で繋いだ望遠鏡を連動させます
04:57
Each telescope in the worldwide network works together.
108
297165
3338
原子時計による精密なタイミングで同期させ
05:00
Linked through the precise timing of atomic clocks,
109
300527
2712
各々の観測点では 研究者のチームが
05:03
teams of researchers at each of the sites freeze light
110
303263
2657
05:05
by collecting thousands of terabytes of data.
111
305944
2962
光を全部捉えて 数千兆バイトのデータを収集します
それから このデータは ここマサチューセッツの天文台で処理されます
05:08
This data is then processed in a lab right here in Massachusetts.
112
308930
5017
05:13
So how does this even work?
113
313971
1794
仕組みをもう少し説明します
05:15
Remember if we want to see the black hole in the center of our galaxy,
114
315789
3403
私たちの銀河系の中心にある ブラックホールを観測したいなら
有り得ないほど大きい地球サイズの 望遠鏡が必要ですよね
05:19
we need to build this impossibly large Earth-sized telescope?
115
319216
2982
でも一旦 地球サイズの望遠鏡が
05:22
For just a second, let's pretend we could build
116
322222
2232
05:24
a telescope the size of the Earth.
117
324478
1842
造れるとしましょう
05:26
This would be a little bit like turning the Earth
118
326344
2455
地球を巨大な回転するミラーボールだと
考えてみましょう
05:28
into a giant spinning disco ball.
119
328823
1747
各々の鏡が光を集め
05:30
Each individual mirror would collect light
120
330594
2200
05:32
that we could then combine together to make a picture.
121
332818
2597
1つにまとめられて1枚の写真となります
ここで ほとんどの鏡は無くして
05:35
However, now let's say we remove most of those mirrors
122
335439
2661
ほんの少しだけ残しましょう
05:38
so only a few remained.
123
338124
1972
まだ これらの情報を まとめることはできますが
05:40
We could still try to combine this information together,
124
340120
2877
今回は 多くの穴があります
05:43
but now there are a lot of holes.
125
343021
1993
この残った鏡が 望遠鏡のある観測点を示しています
05:45
These remaining mirrors represent the locations where we have telescopes.
126
345038
4373
05:49
This is an incredibly small number of measurements to make a picture from.
127
349435
4079
1枚の写真にするには 信じられないほど 少ない観測データです
望遠鏡が設置されている数少ない場所でしか 光を集めることはできませんが
05:53
But although we only collect light at a few telescope locations,
128
353538
3838
地球が自転するので 別の観測データを得られます
05:57
as the Earth rotates, we get to see other new measurements.
129
357400
3423
つまり ミラーボールが回転すると 鏡は場所を変えるので
06:00
In other words, as the disco ball spins, those mirrors change locations
130
360847
3819
06:04
and we get to observe different parts of the image.
131
364690
2899
像の別の部分を観測することができます
06:07
The imaging algorithms we develop fill in the missing gaps of the disco ball
132
367613
4018
開発中の画像処理アルゴリズムによって ミラーボールの欠けている部分を埋めて
06:11
in order to reconstruct the underlying black hole image.
133
371655
3033
そこに隠されているブラックホールの 像を再現します
06:14
If we had telescopes located everywhere on the globe --
134
374712
2636
もし 地表の全面に望遠鏡を設置できたとして
つまり ミラーボールが完璧ならば
06:17
in other words, the entire disco ball --
135
377372
1941
この作業は難しくはありません
06:19
this would be trivial.
136
379337
1284
06:20
However, we only see a few samples, and for that reason,
137
380645
3322
しかし 手に入れられるのは わずかな観測データだけなので
望遠鏡によるわずかな観測データと 完全に一致する
06:23
there are an infinite number of possible images
138
383991
2388
像は無限に存在します
06:26
that are perfectly consistent with our telescope measurements.
139
386403
2964
しかし 全ての画像が同等ではありません
06:29
However, not all images are created equal.
140
389391
3016
06:32
Some of those images look more like what we think of as images than others.
141
392849
4458
私たちがブラックホールだと考える姿に 他のものよりも近い画像があります
06:37
And so, my role in helping to take the first image of a black hole
142
397331
3222
最初のブラックホールの写真を撮るために 私が担当をしているのは
06:40
is to design algorithms that find the most reasonable image
143
400577
2932
望遠鏡の観測データに合致する 最も合理的な画像を見つけるための
06:43
that also fits the telescope measurements.
144
403533
2222
アルゴリズムを開発することです
06:46
Just as a forensic sketch artist uses limited descriptions
145
406727
3942
似顔絵捜査官がわずかな特徴の情報から
06:50
to piece together a picture using their knowledge of face structure,
146
410693
3514
顔の構造についての知識を用いて 1枚の絵を描きあげるのと同じように
私が開発中の画像処理アルゴリズムを使って 限られた観測データを
06:54
the imaging algorithms I develop use our limited telescope data
147
414231
3315
06:57
to guide us to a picture that also looks like stuff in our universe.
148
417570
4322
宇宙にある天体としてふさわしい 1枚の絵にまとめます
07:01
Using these algorithms, we're able to piece together pictures
149
421916
3651
このアルゴリズムを使うと このまばらでノイズだらけのデータを
07:05
from this sparse, noisy data.
150
425591
2180
写真へとまとめあげられるのです
07:07
So here I show a sample reconstruction done using simulated data,
151
427795
4529
では 天の川銀河系の中心にある ブラックホールに
望遠鏡を向けたとする シミュレーションのデータを使った
07:12
when we pretend to point our telescopes
152
432348
1933
再構成の例をお見せします
07:14
to the black hole in the center of our galaxy.
153
434305
2585
これはシミュレーションに過ぎませんが このように再構成できることで
07:16
Although this is just a simulation, reconstruction such as this give us hope
154
436914
4455
まもなく 初のブラックホールの 写真を確実に撮影し
07:21
that we'll soon be able to reliably take the first image of a black hole
155
441393
3453
07:24
and from it, determine the size of its ring.
156
444870
2595
その輪の大きさを決められるという 希望を持てます
このアルゴリズムの詳細を全て お話ししたいのはやまやまなのですが
07:28
Although I'd love to go on about all the details of this algorithm,
157
448118
3199
皆さんには幸いなことに 十分な時間がありませんが
07:31
luckily for you, I don't have the time.
158
451341
2174
07:33
But I'd still like to give you a brief idea
159
453539
2001
宇宙の見え方を決定する方法や
07:35
of how we define what our universe looks like,
160
455564
2302
アルゴリズムを再構成や結果の確認に 使う方法を ざっと紹介します
07:37
and how we use this to reconstruct and verify our results.
161
457890
4466
さて 望遠鏡の観測データに 完全に合う画像は
07:42
Since there are an infinite number of possible images
162
462380
2496
07:44
that perfectly explain our telescope measurements,
163
464900
2365
無限にあり得るので 何らかの方法で
その中から選び出さなくてはなりません
07:47
we have to choose between them in some way.
164
467289
2605
07:49
We do this by ranking the images
165
469918
1838
ブラックホールの像に近い 度合いに応じて
07:51
based upon how likely they are to be the black hole image,
166
471780
2834
これらの画像をランク付けして
07:54
and then choosing the one that's most likely.
167
474638
2482
最も適切な1枚を選びだします
もう少し分かりやすくして
07:57
So what do I mean by this exactly?
168
477144
2195
07:59
Let's say we were trying to make a model
169
479862
1978
フェイスブックに
08:01
that told us how likely an image were to appear on Facebook.
170
481864
3183
ある写真が ありそうかどうかを 決めるモデルを考えましょう
このモデルを使った場合
08:05
We'd probably want the model to say
171
485071
1701
08:06
it's pretty unlikely that someone would post this noise image on the left,
172
486796
3557
左のノイズだらけの写真が投稿された 可能性はほとんどなく
右の自撮り写真が投稿された可能性が かなり高いという
08:10
and pretty likely that someone would post a selfie
173
490377
2419
08:12
like this one on the right.
174
492820
1334
結果を期待します
真ん中の写真はぼやけていて
08:14
The image in the middle is blurry,
175
494178
1639
08:15
so even though it's more likely we'd see it on Facebook
176
495841
2639
フェイスブック上に 左のノイズの写真よりは
見られそうですが
08:18
compared to the noise image,
177
498504
1360
08:19
it's probably less likely we'd see it compared to the selfie.
178
499888
2960
自撮り写真と比べると可能性は低そうです
ブラックホールの写真となると これは難問です
08:22
But when it comes to images from the black hole,
179
502872
2290
なぜなら私たちは ブラックホールを見たことがないからです
08:25
we're posed with a real conundrum: we've never seen a black hole before.
180
505186
3502
08:28
In that case, what is a likely black hole image,
181
508712
2291
この場合 ブラックホールの 像らしいのはどれで
その構造として仮定すべきなのは どれでしょうか?
08:31
and what should we assume about the structure of black holes?
182
511027
2938
「インターステラー」のブラックホールの イメージのような
08:33
We could try to use images from simulations we've done,
183
513989
2632
08:36
like the image of the black hole from "Interstellar,"
184
516645
2530
シミュレーションは使えるでしょう
しかし そうすると重大な問題が起きます
08:39
but if we did this, it could cause some serious problems.
185
519199
2938
もし アインシュタインの理論が 成立しなかったらどうなるのでしょうか?
08:42
What would happen if Einstein's theories didn't hold?
186
522161
3380
私たちは 今起こっていることの 正確な写真を再構成したいのです
08:45
We'd still want to reconstruct an accurate picture of what was going on.
187
525565
3961
もし 私たちのアルゴリズムに アインシュタインの理論を反映させすぎれば
08:49
If we bake Einstein's equations too much into our algorithms,
188
529550
3371
08:52
we'll just end up seeing what we expect to see.
189
532945
2755
予想した通りのものを 見ることになってしまいます
つまり 銀河の中心には 大きな象がいるという可能性を
08:55
In other words, we want to leave the option open
190
535724
2276
残しておきたいのです
08:58
for there being a giant elephant at the center of our galaxy.
191
538024
2923
(笑)
09:00
(Laughter)
192
540971
1057
異なるタイプの画像は 全く別個の特徴を持ちます
09:02
Different types of images have very distinct features.
193
542052
2989
ブラックホールのシミュレーションの画像と
09:05
We can easily tell the difference between black hole simulation images
194
545065
3548
地球上で日常的に撮る写真の 違いは明らかです
09:08
and images we take every day here on Earth.
195
548637
2276
そこで 特定のタイプの特徴を 強調しすぎていない画像はどのようなものか
09:10
We need a way to tell our algorithms what images look like
196
550937
3104
アルゴリズムに教えてやらなければなりません
09:14
without imposing one type of image's features too much.
197
554065
3249
09:17
One way we can try to get around this
198
557865
1893
その方法の1つは
09:19
is by imposing the features of different kinds of images
199
559782
3062
各種ある中から ある画像タイプの特徴を強調して用い
09:22
and seeing how the type of image we assume affects our reconstructions.
200
562868
4130
それが再構成に どのように反映されるかを調べる方法です
09:27
If all images' types produce a very similar-looking image,
201
567712
3491
もし それぞれの画像タイプ全てから 同じような画像が得られれば
出来上がった画像が 私たちが設定した仮定から
09:31
then we can start to become more confident
202
571227
2057
大きな影響を受けていないだろうという 確信を強める方向です
09:33
that the image assumptions we're making are not biasing this picture that much.
203
573308
4173
このことは 世界のあちこちから集められた 3人の似顔絵描きに
09:37
This is a little bit like giving the same description
204
577505
2990
09:40
to three different sketch artists from all around the world.
205
580519
2996
同じ情報を提供するのに少し似ています
もし 3人ともが 非常に似た顔を描けば
09:43
If they all produce a very similar-looking face,
206
583539
2860
出来上がった絵が
09:46
then we can start to become confident
207
586423
1793
各々の文化の影響を受けていないという 確信を強める方向です
09:48
that they're not imposing their own cultural biases on the drawings.
208
588240
3616
09:51
One way we can try to impose different image features
209
591880
3315
色々な画像タイプが持つ特徴を 反映させるには
既にある画像の部分を使う方法があります
09:55
is by using pieces of existing images.
210
595219
2441
画像を大量に集めて
09:58
So we take a large collection of images,
211
598214
2160
小さな画像のかけらに分解します
10:00
and we break them down into their little image patches.
212
600398
2718
そうすると 一つ一つの画像のかけらを パズルのピースのように使えます
10:03
We then can treat each image patch a little bit like pieces of a puzzle.
213
603140
4285
そのよくあるパズルピースを使って 望遠鏡の観測データに合致する画像を
10:07
And we use commonly seen puzzle pieces to piece together an image
214
607449
4278
10:11
that also fits our telescope measurements.
215
611751
2452
まとめあげます
異なるタイプの画像からは 違った特徴のピースセットが得られます
10:15
Different types of images have very distinctive sets of puzzle pieces.
216
615040
3743
同じ観測データに基づいて 異なるピースセットを使い
10:18
So what happens when we take the same data
217
618807
2806
10:21
but we use different sets of puzzle pieces to reconstruct the image?
218
621637
4130
画像を再構成すると どのようになるのでしょうか?
ブラックホールのシミュレーションから 取ったピースを使いましょう
10:25
Let's first start with black hole image simulation puzzle pieces.
219
625791
4766
10:30
OK, this looks reasonable.
220
630581
1591
まあ 妥当ですね
これは私たちが思うブラックホールの姿と 似ています
10:32
This looks like what we expect a black hole to look like.
221
632196
2694
10:34
But did we just get it
222
634914
1193
でも こうなったのは
ブラックホールのシミュレーションの ピースを使ったからでしょうか?
10:36
because we just fed it little pieces of black hole simulation images?
223
636131
3314
では 別のセットを使いましょう
10:39
Let's try another set of puzzle pieces
224
639469
1880
今度は ブラックホールではない 天体からのものです
10:41
from astronomical, non-black hole objects.
225
641373
2509
10:44
OK, we get a similar-looking image.
226
644914
2126
いいですね よく似ています
最後に 自分のカメラで撮影したような
10:47
And then how about pieces from everyday images,
227
647064
2236
日常の写真から作った パズルピースではどうでしょう?
10:49
like the images you take with your own personal camera?
228
649324
2785
やりました 同じ写真が出来ました
10:53
Great, we see the same image.
229
653312
2115
異なるパズルピースのセット全てから 同じ画像が出来上がれば
10:55
When we get the same image from all different sets of puzzle pieces,
230
655451
3366
10:58
then we can start to become more confident
231
658841
2046
最後に得られた画像が 私たちが設定をした仮定から
11:00
that the image assumptions we're making
232
660911
1966
大きな影響を受けていないと
11:02
aren't biasing the final image we get too much.
233
662901
2921
確信を持てるようになり始めます
11:05
Another thing we can do is take the same set of puzzle pieces,
234
665846
3253
もう1つの方法は ある1つのパズルピースのセットー
例えば日常の写真から得られたセットを使って
11:09
such as the ones derived from everyday images,
235
669123
2489
11:11
and use them to reconstruct many different kinds of source images.
236
671636
3600
色々な種類の画像を再構成する方法です
シミュレーションでは
11:15
So in our simulations,
237
675260
1271
11:16
we pretend a black hole looks like astronomical non-black hole objects,
238
676555
3775
ブラックホールが それ以外の天体と 似ているという仮定だけではなく
同様に象のような日常の写真と似た形が 銀河系の中心にあることも仮定します
11:20
as well as everyday images like the elephant in the center of our galaxy.
239
680354
3849
図の下にある アルゴリズムを使ってできた画像が
11:24
When the results of our algorithms on the bottom look very similar
240
684227
3168
図の上の本当の写真とよく似ていれば
11:27
to the simulation's truth image on top,
241
687419
2096
11:29
then we can start to become more confident in our algorithms.
242
689539
3346
このアルゴリズムの確信を強める方向です
11:32
And I really want to emphasize here
243
692909
1867
皆さんにお伝えしておきたいことは
11:34
that all of these pictures were created
244
694800
1934
この全ての画像には
皆さんがご自分のカメラで撮った
11:36
by piecing together little pieces of everyday photographs,
245
696758
2936
11:39
like you'd take with your own personal camera.
246
699718
2215
日常の写真からのピースが使われたことです
11:41
So an image of a black hole we've never seen before
247
701957
3276
私たちが見たこともない ブラックホールの写真は
人々や建物 木 犬 それから猫のような いつも見ているような写真を
11:45
may eventually be created by piecing together pictures we see all the time
248
705257
3943
まとめあげれば 最終的にできるでしょう
11:49
of people, buildings, trees, cats and dogs.
249
709224
2745
11:51
Imaging ideas like this will make it possible for us
250
711993
2645
このような画像処理の考え方によって
11:54
to take our very first pictures of a black hole,
251
714662
2619
ブラックホールの最初の写真を撮り
さらには 科学者たちが常に根拠としている
11:57
and hopefully, verify those famous theories
252
717305
2447
11:59
on which scientists rely on a daily basis.
253
719776
2421
有名な理論を裏付けることができるでしょう
もちろん このような画像処理のアイデアは
12:02
But of course, getting imaging ideas like this working
254
722221
2608
12:04
would never have been possible without the amazing team of researchers
255
724853
3322
光栄なことに私が一緒に働ける 素晴らしい研究者のチームなしには
不可能でした
12:08
that I have the privilege to work with.
256
728199
1887
素晴らしいことに
12:10
It still amazes me
257
730110
1163
私はこの仕事を始めた時には 天文学の素養がありませんでしたが
12:11
that although I began this project with no background in astrophysics,
258
731297
3351
この他に類をみない共同研究を通じて
12:14
what we have achieved through this unique collaboration
259
734672
2619
最初のブラックホールの画像に 至ることができるかもしれません
12:17
could result in the very first images of a black hole.
260
737315
2759
この「事象の地平面望遠鏡」のような 大規模な共同研究は
12:20
But big projects like the Event Horizon Telescope
261
740098
2698
12:22
are successful due to all the interdisciplinary expertise
262
742820
2814
様々な人が学際的な専門知識を持ち寄ることで
12:25
different people bring to the table.
263
745658
1790
成功へと繋がります
私たちのチームは 天文学者と物理学者
12:27
We're a melting pot of astronomers,
264
747472
1706
数学者と技術者のるつぼです
12:29
physicists, mathematicians and engineers.
265
749202
2232
12:31
This is what will make it soon possible
266
751458
2554
かつては不可能と考えられていたことが
もうすぐ可能になります
12:34
to achieve something once thought impossible.
267
754036
2853
12:36
I'd like to encourage all of you to go out
268
756913
2256
皆さんにも 外に出て 科学の限界を広げるのを
手伝っていただきたいのです
12:39
and help push the boundaries of science,
269
759193
2096
たとえそれがブラックホールのように 初めは不可思議に見えても
12:41
even if it may at first seem as mysterious to you as a black hole.
270
761313
3901
ありがとうございました
12:45
Thank you.
271
765238
1174
(拍手)
12:46
(Applause)
272
766436
2397
このウェブサイトについて

このサイトでは英語学習に役立つYouTube動画を紹介します。世界中の一流講師による英語レッスンを見ることができます。各ビデオのページに表示される英語字幕をダブルクリックすると、そこからビデオを再生することができます。字幕はビデオの再生と同期してスクロールします。ご意見・ご要望がございましたら、こちらのお問い合わせフォームよりご連絡ください。

https://forms.gle/WvT1wiN1qDtmnspy7