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

翻訳: Kaoru Suzuki 校正: Masaki Yanagishita

In the movie "Interstellar,"

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

we get an up-close look at a supermassive black hole.

Set against a backdrop of bright gas,

明るいガスを背景として

the black hole's massive gravitational pull

ブラックホールの巨大な重力によって

bends light into a ring.

光がリング状に曲げられています

However, this isn't a real photograph,

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

but a computer graphic rendering --

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

an artistic interpretation of what a black hole might look like.

A hundred years ago,

100年前に

Albert Einstein first published his theory of general relativity.

アインシュタインが 一般相対性理論を発表しました

In the years since then,

それ以来

scientists have provided a lot of evidence in support of it.

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

But one thing predicted from this theory, black holes,

しかし この理論で予言された ブラックホールは

still have not been directly observed.

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

Although we have some idea as to what a black hole might look like,

まだ 実際の写真は １枚も撮られていません

we've never actually taken a picture of one before.

However, you might be surprised to know that that may soon change.

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

We may be seeing our first picture of a black hole in the next couple years.

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

Getting this first picture will come down to an international team of scientists,

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

an Earth-sized telescope

１枚の写真に構成する アルゴリズムによるものです

and an algorithm that puts together the final picture.

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

Although I won't be able to show you a real picture of a black hole today,

その最初の１枚を撮るための舞台裏を

I'd like to give you a brief glimpse into the effort involved

in getting that first picture.

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

My name is Katie Bouman,

and I'm a PhD student at MIT.

MITの大学院生で

コンピュータサイエンス研究室で

I do research in a computer science lab

that works on making computers see through images and video.

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

But although I'm not an astronomer,

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

today I'd like to show you

どのように貢献してきたかをお見せします

how I've been able to contribute to this exciting project.

今夜 都会の明かりから逃れて郊外へ行けば

If you go out past the bright city lights tonight,

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

you may just be lucky enough to see a stunning view

of the Milky Way Galaxy.

何百万もの星を通り抜けて

And if you could zoom past millions of stars,

26,000 light-years toward the heart of the spiraling Milky Way,

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

we'd eventually reach a cluster of stars right at the center.

Peering past all the galactic dust with infrared telescopes,

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

astronomers have watched these stars for over 16 years.

しかし 一番見たいものを見てはいません

But it's what they don't see that is the most spectacular.

These stars seem to orbit an invisible object.

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

By tracking the paths of these stars,

この星々の軌道を追跡した結果

天文学者は

astronomers have concluded

この運動を引き起こすような サイズと質量の天体は

that the only thing small and heavy enough to cause this motion

超大質量ブラックホールだけと結論づけました

is a supermassive black hole --

an object so dense that it sucks up anything that ventures too close --

それは 密度がとても高いため 近づいたものを全て―

even light.

光さえも 飲み込みます

But what happens if we were to zoom in even further?

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？

Is it possible to see something that, by definition, is impossible to see?

Well, it turns out that if we were to zoom in at radio wavelengths,

電波望遠鏡で観測すれば

we'd expect to see a ring of light

ブラックホールの周囲の高温プラズマが

caused by the gravitational lensing of hot plasma

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

zipping around the black hole.

In other words,

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

the black hole casts a shadow on this backdrop of bright material,

球状の暗闇を作りだすのです

carving out a sphere of darkness.

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

This bright ring reveals the black hole's event horizon,

ここから先は あまりに重力が強いので

where the gravitational pull becomes so great

光でさえ逃れられなくなります

that not even light can escape.

Einstein's equations predict the size and shape of this ring,

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

so taking a picture of it wouldn't only be really cool,

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

it would also help to verify that these equations hold

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

in the extreme conditions around the black hole.

However, this black hole is so far away from us,

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

that from Earth, this ring appears incredibly small --

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

the same size to us as an orange on the surface of the moon.

That makes taking a picture of it extremely difficult.

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

Why is that?

どうしてでしょうか？

Well, it all comes down to a simple equation.

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

Due to a phenomenon called diffraction,

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

there are fundamental limits

to the smallest objects that we can possibly see.

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

This governing equation says that in order to see smaller and smaller,

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

we need to make our telescope bigger and bigger.

しかし 地球上の最大の光学望遠鏡でさえ

But even with the most powerful optical telescopes here on Earth,

月の表面の写真を撮るのに

we can't even get close to the resolution necessary

to image on the surface of the moon.

必要な解像度に近づくことさえできません

In fact, here I show one of the highest resolution images ever taken

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

of the moon from Earth.

It contains roughly 13,000 pixels,

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

and yet each pixel would contain over 1.5 million oranges.

So how big of a telescope do we need

月面にある１個のオレンジを

in order to see an orange on the surface of the moon

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？

and, by extension, our black hole?

Well, it turns out that by crunching the numbers,

まじめに計算してみると

you can easily calculate that we would need a telescope

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

the size of the entire Earth.

（笑）

(Laughter)

もし地球サイズの望遠鏡を建設できれば

If we could build this Earth-sized telescope,

ブラックホールの事象の地平面を示す

we could just start to make out that distinctive ring of light

特別な光の輪を見分け始められるのです

indicative of the black hole's event horizon.

この写真は コンピュータグラフィックほど

Although this picture wouldn't contain all the detail we see

詳細ではありませんが

in computer graphic renderings,

これによって 初めて ブラックホールの周辺の状況を

it would allow us to safely get our first glimpse

of the immediate environment around a black hole.

確実に 一目見ることができます

しかし ご想像の通り

However, as you can imagine,

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

building a single-dish telescope the size of the Earth is impossible.

でもミック・ジャガーも歌っているように

But in the famous words of Mick Jagger,

"You can't always get what you want,

「欲しいものがいつも手に入るわけではない

but if you try sometimes, you just might find

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」

you get what you need."

And by connecting telescopes from around the world,

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

an international collaboration called the Event Horizon Telescope

is creating a computational telescope the size of the Earth,

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

capable of resolving structure

on the scale of a black hole's event horizon.

捉えられる解像度に達しようとしています

This network of telescopes is scheduled to take its very first picture

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

of a black hole next year.

この計画では 世界規模で繋いだ望遠鏡を連動させます

Each telescope in the worldwide network works together.

原子時計による精密なタイミングで同期させ

Linked through the precise timing of atomic clocks,

各々の観測点では 研究者のチームが

teams of researchers at each of the sites freeze light

by collecting thousands of terabytes of data.

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

This data is then processed in a lab right here in Massachusetts.

So how does this even work?

仕組みをもう少し説明します

Remember if we want to see the black hole in the center of our galaxy,

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

we need to build this impossibly large Earth-sized telescope?

でも一旦 地球サイズの望遠鏡が

For just a second, let's pretend we could build

a telescope the size of the Earth.

造れるとしましょう

This would be a little bit like turning the Earth

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

into a giant spinning disco ball.

各々の鏡が光を集め

Each individual mirror would collect light

that we could then combine together to make a picture.

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

However, now let's say we remove most of those mirrors

ほんの少しだけ残しましょう

so only a few remained.

まだ これらの情報を まとめることはできますが

We could still try to combine this information together,

今回は 多くの穴があります

but now there are a lot of holes.

この残った鏡が 望遠鏡のある観測点を示しています

These remaining mirrors represent the locations where we have telescopes.

This is an incredibly small number of measurements to make a picture from.

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

But although we only collect light at a few telescope locations,

地球が自転するので 別の観測データを得られます

as the Earth rotates, we get to see other new measurements.

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

In other words, as the disco ball spins, those mirrors change locations

and we get to observe different parts of the image.

像の別の部分を観測することができます

The imaging algorithms we develop fill in the missing gaps of the disco ball

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

in order to reconstruct the underlying black hole image.

そこに隠されているブラックホールの 像を再現します

If we had telescopes located everywhere on the globe --

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

in other words, the entire disco ball --

この作業は難しくはありません

this would be trivial.

However, we only see a few samples, and for that reason,

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

there are an infinite number of possible images

像は無限に存在します

that are perfectly consistent with our telescope measurements.

しかし 全ての画像が同等ではありません

However, not all images are created equal.

Some of those images look more like what we think of as images than others.

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

And so, my role in helping to take the first image of a black hole

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

is to design algorithms that find the most reasonable image

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

that also fits the telescope measurements.

アルゴリズムを開発することです

Just as a forensic sketch artist uses limited descriptions

似顔絵捜査官がわずかな特徴の情報から

to piece together a picture using their knowledge of face structure,

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

the imaging algorithms I develop use our limited telescope data

to guide us to a picture that also looks like stuff in our universe.

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

Using these algorithms, we're able to piece together pictures

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

from this sparse, noisy data.

写真へとまとめあげられるのです

So here I show a sample reconstruction done using simulated data,

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

when we pretend to point our telescopes

再構成の例をお見せします

to the black hole in the center of our galaxy.

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

Although this is just a simulation, reconstruction such as this give us hope

まもなく 初のブラックホールの 写真を確実に撮影し

that we'll soon be able to reliably take the first image of a black hole

and from it, determine the size of its ring.

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

Although I'd love to go on about all the details of this algorithm,

皆さんには幸いなことに 十分な時間がありませんが

luckily for you, I don't have the time.

But I'd still like to give you a brief idea

宇宙の見え方を決定する方法や

of how we define what our universe looks like,

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

and how we use this to reconstruct and verify our results.

さて 望遠鏡の観測データに 完全に合う画像は

Since there are an infinite number of possible images

that perfectly explain our telescope measurements,

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

we have to choose between them in some way.

We do this by ranking the images

ブラックホールの像に近い 度合いに応じて

based upon how likely they are to be the black hole image,

これらの画像をランク付けして

and then choosing the one that's most likely.

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

So what do I mean by this exactly?

Let's say we were trying to make a model

フェイスブックに

that told us how likely an image were to appear on Facebook.

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

We'd probably want the model to say

it's pretty unlikely that someone would post this noise image on the left,

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

and pretty likely that someone would post a selfie

like this one on the right.

結果を期待します

真ん中の写真はぼやけていて

The image in the middle is blurry,

so even though it's more likely we'd see it on Facebook

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

compared to the noise image,

it's probably less likely we'd see it compared to the selfie.

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

But when it comes to images from the black hole,

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

we're posed with a real conundrum: we've never seen a black hole before.

In that case, what is a likely black hole image,

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？

and what should we assume about the structure of black holes?

「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

We could try to use images from simulations we've done,

like the image of the black hole from "Interstellar,"

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

but if we did this, it could cause some serious problems.

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？

What would happen if Einstein's theories didn't hold?

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

We'd still want to reconstruct an accurate picture of what was going on.

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

If we bake Einstein's equations too much into our algorithms,

we'll just end up seeing what we expect to see.

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

In other words, we want to leave the option open

残しておきたいのです

for there being a giant elephant at the center of our galaxy.

（笑）

(Laughter)

異なるタイプの画像は 全く別個の特徴を持ちます

Different types of images have very distinct features.

ブラックホールのシミュレーションの画像と

We can easily tell the difference between black hole simulation images

地球上で日常的に撮る写真の 違いは明らかです

and images we take every day here on Earth.

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

We need a way to tell our algorithms what images look like

アルゴリズムに教えてやらなければなりません

without imposing one type of image's features too much.

One way we can try to get around this

その方法の１つは

is by imposing the features of different kinds of images

各種ある中から ある画像タイプの特徴を強調して用い

and seeing how the type of image we assume affects our reconstructions.

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

If all images' types produce a very similar-looking image,

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

then we can start to become more confident

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

that the image assumptions we're making are not biasing this picture that much.

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

This is a little bit like giving the same description

to three different sketch artists from all around the world.

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

If they all produce a very similar-looking face,

出来上がった絵が

then we can start to become confident

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

that they're not imposing their own cultural biases on the drawings.

One way we can try to impose different image features

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

is by using pieces of existing images.

画像を大量に集めて

So we take a large collection of images,

小さな画像のかけらに分解します

and we break them down into their little image patches.

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

We then can treat each image patch a little bit like pieces of a puzzle.

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

And we use commonly seen puzzle pieces to piece together an image

that also fits our telescope measurements.

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

Different types of images have very distinctive sets of puzzle pieces.

同じ観測データに基づいて 異なるピースセットを使い

So what happens when we take the same data

but we use different sets of puzzle pieces to reconstruct the image?

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

Let's first start with black hole image simulation puzzle pieces.

OK, this looks reasonable.

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

This looks like what we expect a black hole to look like.

But did we just get it

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？

because we just fed it little pieces of black hole simulation images?

では 別のセットを使いましょう

Let's try another set of puzzle pieces

今度は ブラックホールではない 天体からのものです

from astronomical, non-black hole objects.

OK, we get a similar-looking image.

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

And then how about pieces from everyday images,

日常の写真から作った パズルピースではどうでしょう？

like the images you take with your own personal camera?

やりました 同じ写真が出来ました

Great, we see the same image.

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

When we get the same image from all different sets of puzzle pieces,

then we can start to become more confident

最後に得られた画像が 私たちが設定をした仮定から

that the image assumptions we're making

大きな影響を受けていないと

aren't biasing the final image we get too much.

確信を持てるようになり始めます

Another thing we can do is take the same set of puzzle pieces,

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

such as the ones derived from everyday images,

and use them to reconstruct many different kinds of source images.

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

So in our simulations,

we pretend a black hole looks like astronomical non-black hole objects,

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

as well as everyday images like the elephant in the center of our galaxy.

図の下にある アルゴリズムを使ってできた画像が

When the results of our algorithms on the bottom look very similar

図の上の本当の写真とよく似ていれば

to the simulation's truth image on top,

then we can start to become more confident in our algorithms.

このアルゴリズムの確信を強める方向です

And I really want to emphasize here

皆さんにお伝えしておきたいことは

that all of these pictures were created

この全ての画像には

皆さんがご自分のカメラで撮った

by piecing together little pieces of everyday photographs,

like you'd take with your own personal camera.

日常の写真からのピースが使われたことです

So an image of a black hole we've never seen before

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

may eventually be created by piecing together pictures we see all the time

まとめあげれば 最終的にできるでしょう

of people, buildings, trees, cats and dogs.

Imaging ideas like this will make it possible for us

このような画像処理の考え方によって

to take our very first pictures of a black hole,

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

and hopefully, verify those famous theories

on which scientists rely on a daily basis.

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

But of course, getting imaging ideas like this working

would never have been possible without the amazing team of researchers

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

that I have the privilege to work with.

素晴らしいことに

It still amazes me

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

that although I began this project with no background in astrophysics,

この他に類をみない共同研究を通じて

what we have achieved through this unique collaboration

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

could result in the very first images of a black hole.

この「事象の地平面望遠鏡」のような 大規模な共同研究は

But big projects like the Event Horizon Telescope

are successful due to all the interdisciplinary expertise

様々な人が学際的な専門知識を持ち寄ることで

different people bring to the table.

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

We're a melting pot of astronomers,

数学者と技術者のるつぼです

physicists, mathematicians and engineers.

This is what will make it soon possible

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

to achieve something once thought impossible.

I'd like to encourage all of you to go out

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

and help push the boundaries of science,

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

even if it may at first seem as mysterious to you as a black hole.

ありがとうございました

Thank you.

（拍手）

(Applause)