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

Translator: Rytis G Reviewer: Andrius Družinis-Vitkus

In the movie "Interstellar,"

Filme „Interstellar“

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

galime iš arti pažvelgti į gigantišką juodąją skylę.

Set against a backdrop of bright gas,

Ryškių dujų fone

the black hole's massive gravitational pull

juodosios skylės gravitacinė trauka

bends light into a ring.

sulenkia šviesą į žiedą.

However, this isn't a real photograph,

Vis dėlto, tai ne tikra nuotrauka,

but a computer graphic rendering --

o kompiuterinis atvaizdavimas.

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

Tai – meninė interpretacija to, kaip galėtų atrodyti juodoji skylė.

A hundred years ago,

Prieš šimtą metų

Albert Einstein first published his theory of general relativity.

Albertas Einšteinas pirmasis paskelbė savo bendrąją reliatyvumo teoriją.

In the years since then,

Nuo to laiko

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

mokslininkai pateikė daug įrodymų jai pagrįsti.

But one thing predicted from this theory, black holes,

Tačiau viena šios teorijos prognozė – juodosios skylės –

still have not been directly observed.

vis dar nebuvo tiesiogiai pastebėta.

Nors mes galime įsivaizduoti, kaip juodoji skylė galėtų atrodyti,

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

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

iš tikrųjų niekada nesame jos nufotografavę.

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

Tačiau nustebsite sužinoję, kad netrukus tai gali pasikeisti.

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

Po kelių metų galime pamatyti pirmąją juodosios skylės nuotrauką.

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

Šios nuotraukos sėkmė priklausys nuo tarptautinės mokslininkų komandos,

an Earth-sized telescope

Žemės dydžio teleskopo

and an algorithm that puts together the final picture.

ir algoritmo, kuris sudės galutinį atvaizdą.

Nors šiandien negalėsiu parodyti tikros juodosios skylės nuotraukos,

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

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

pasistengsiu sudaryti jums įspūdį apie dedamas pastangas

in getting that first picture.

tam pirmajam atvaizdui padaryti.

My name is Katie Bouman,

Mano vardas yra Katie Bouman,

and I'm a PhD student at MIT.

esu doktorantė MIT universitete. Atlieku

I do research in a computer science lab

tyrimus informatikos laboratorijoje, kuri

that works on making computers see through images and video.

siekia, kad kompiuteriai galėtų analizuoti atvaizdus ir

But although I'm not an astronomer,

ir vaizdo įrašus. Nors ir nesu astronomė,

norėčiau jums parodyti,

today I'd like to show you

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

kaip man pavyksta prisidėti prie šio nuostabaus projekto.

If you go out past the bright city lights tonight,

Jei eisite pasivaikščioti anapus ryškių miesto šviesų,

jums gali nusišypsoti laimė pamatyti stulbinantį

you may just be lucky enough to see a stunning view

of the Milky Way Galaxy.

Paukščių Tako galaktikos vaizdą.

And if you could zoom past millions of stars,

Ir jei galėtumėte prašvilpti pro milijonus žvaigždžių,

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

26 000 šviesmečių link besisukančio Paukščių Tako centro,

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

galiausiai pasiektumėte žvaigždžių spiečių pačiame centre.

Peering past all the galactic dust with infrared telescopes,

Žvelgdami pro galaktines dulkes infraraudonųjų spindulių teleskopais,

astronomers have watched these stars for over 16 years.

astronomai stebėjo šias žvaigždes daugiau nei 16 metų.

Bet labiausiai įspūdinga yra tai, ko jie nemato.

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

These stars seem to orbit an invisible object.

Atrodo, kad šios žvaigždės skrieja apie nematomą objektą.

By tracking the paths of these stars,

Sekdami šių žvaigždžių takus,

astronomai padarė išvadą,

astronomers have concluded

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

kad vienintelis toks mažas ir sunkus, dalykas galintis sukelti šį

is a supermassive black hole --

judėjimą, yra gigantiška juodoji skylė –

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

objektas toks tankus, kad susiurbia viską, kas priartėja pernelyg arti –

even light.

net šviesą.

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

Bet kas nutiktų, jei pažiūrėtume dar iš arčiau?

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

Ar įmanoma pamatyti kažką, ko iš esmės neįmanoma pamatyti?

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

Pasirodo, kad, jei vaizdą priartintumėme iki radijo bangų ilgio,

we'd expect to see a ring of light

tikėtumėmės pamatyti šviesos žiedą,

caused by the gravitational lensing of hot plasma

sukurtą karštos plazmos gravitacinio lęšio,

švilpiantį aplink juodąją skylę.

zipping around the black hole.

In other words,

Kitaip tariant,

juodoji skylė meta šešėlį ant šio šviesios medžiagos fono,

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

carving out a sphere of darkness.

sukurdama tamsos skliautą.

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

Ryškus žiedas atskleidžia juodosios skylės įvykių horizontą,

where the gravitational pull becomes so great

kuriame gravitacinė trauka tokia stipri,

kad net šviesa negali ištrūkti.

that not even light can escape.

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

Einšteino lygtys numato šio žiedo dydį ir formą,

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

todėl jį nufotografuoti ne tik būtų nuostabu,

it would also help to verify that these equations hold

bet ir padėtų patvirtinti, kad šios lygtys veiktų ir

in the extreme conditions around the black hole.

ekstremaliomis sąlygomis aplink juodąją skylę.

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

Vis dėlto, juodoji skylė yra taip toli nuo mūsų,

that from Earth, this ring appears incredibly small --

kad iš Žemės šis žiedas atrodo nepaprastai mažas –

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

tokio paties dydžio, kaip mums atrodytų apelsinas ant Mėnulio paviršiaus.

That makes taking a picture of it extremely difficult.

Todėl ją nufotografuoti yra itin sunku.

Why is that?

Kodėl taip yra?

Well, it all comes down to a simple equation.

Na, viskas susiveda į paprastą lygtį.

Due to a phenomenon called diffraction,

Dėl reiškinio, vadinamo difrakcija,

yra fundamentalios ribos

there are fundamental limits

to the smallest objects that we can possibly see.

mažiausiems objektams, kuriuos galime pamatyti.

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

Ši lygtis sako, kad, norint pamatyti vis mažesnius objektus,

we need to make our telescope bigger and bigger.

mums reikia vis didesnio teleskopo.

Bet net ir naudodami galingiausius optinius teleskopus Žemėje,

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

we can't even get close to the resolution necessary

net nepriartėjame prie reikalingos rezoliucijos,

to image on the surface of the moon.

reikalingos atvaizduoti Mėnulio paviršių.

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

Tiesą sakant, čia rodau vieną iš aukščiausios raiškos Mėnulio nuotraukų,

of the moon from Earth.

kada nors padarytų iš Žemės.

It contains roughly 13,000 pixels,

Nuotraukoje yra maždaug 13 000 pikselių,

and yet each pixel would contain over 1.5 million oranges.

tačiau kiekviename pikselyje tilptų per 1,5 milijono apelsinų.

So how big of a telescope do we need

Taigi, kokio dydžio teleskopo reikia,

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

norint pamatyti apelsiną ant Mėnulio paviršiaus

and, by extension, our black hole?

ir, tuo pačiu, mūsų juodąją skylę?

Well, it turns out that by crunching the numbers,

Na, pasirodo, kad gerai paskaičiavę,

you can easily calculate that we would need a telescope

galėtumėte apskaičiuoti, kad reikėtų teleskopo,

kurio dydis būtų sulig Žeme.

the size of the entire Earth.

(Juokas.)

(Laughter)

Jei galėtume sukurti tokį Žemės dydžio teleskopą,

If we could build this Earth-sized telescope,

galėtume pamažu atskirti tą charakteringą šviesos žiedą,

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

indicative of the black hole's event horizon.

kuris nurodo juodosios skylės įvykių horizontą.

Nors šioje nuotraukoje nebūtų visų detalių,

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

matomų kompiuteriniame atvaizdavime,

in computer graphic renderings,

tai padėtų mums užtikrintai susidaryti pirmąjį įspūdį

it would allow us to safely get our first glimpse

of the immediate environment around a black hole.

apie artimiausią juodąją skylę supančią aplinką.

However, as you can imagine,

Tačiau, kaip galite įsivaizduoti,

pastatyti vienos lėkštės teleskopo, kuri būtų Žemės dydžio, yra neįmanoma.

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

But in the famous words of Mick Jagger,

Bet, kaip sakė Mickas Jaggeris,

"You can't always get what you want,

„Ne visada gali gauti tai, ko nori,

but if you try sometimes, you just might find

bet jei bandai, kartais gali rasti

you get what you need."

tai, ko tau reikia.“

And by connecting telescopes from around the world,

Sujungdami teleskopus visame pasaulyje,

an international collaboration called the Event Horizon Telescope

tarptautinis projektas pavadinimu „Įvykių horizonto teleskopas“

is creating a computational telescope the size of the Earth,

kuria Žemės dydžio skaičiuojamąjį teleskopą,

kuris pajėgus skirti struktūras

capable of resolving structure

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

juodosios skylės įvykių horizonto mastu.

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

Planuojama, kad šis teleskopų tinklas pirmąjį juodosios skylės atvaizdą

of a black hole next year.

padarys kitais metais.

Kiekvienas teleskopas pasauliniame tinkle veikia kartu.

Each telescope in the worldwide network works together.

Linked through the precise timing of atomic clocks,

Susietos preciziškais atominiais laikrodžiais,

teams of researchers at each of the sites freeze light

mokslininkų komandos kiekviename taške sustingdo šviesą,

by collecting thousands of terabytes of data.

surinkdami tūkstančius terabitų duomenų.

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

Tuomet šie duomenys apdorojami laboratorijoje, čia pat, Masačiusetse.

So how does this even work?

Taigi, kaip tai apskritai veikia?

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

Atsimenate, kad norint pamatyti juodąją skylę mūsų galaktikos centre,

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

mums reikia sukurti neįmanomai didelį Žemės dydžio teleskopą?

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

Trumpam apsimeskime, kad galime sukurti

a telescope the size of the Earth.

Žemės dydžio teleskopą.

This would be a little bit like turning the Earth

Tai būtų šiek tiek panašu į Žemės pavertimą

into a giant spinning disco ball.

milžinišku diskotekos rutuliu.

Each individual mirror would collect light

Kiekvienas atskiras veidrodis surinktų šviesą,

that we could then combine together to make a picture.

kurią mes galėtume sujungti ir paversti nuotrauka.

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

Tačiau, sakykime, pašaliname daugumą šių veidrodžių

ir lieka tik keli.

so only a few remained.

Mes vis dar galėtume bandyti sujungti šią informaciją,

We could still try to combine this information together,

tačiau dabar yra daug skylių.

but now there are a lot of holes.

Šie likę veidrodžiai ženklina vietas, kuriose yra mūsų teleskopai.

These remaining mirrors represent the locations where we have telescopes.

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

Tai itin menkas matavimų skaičius nuotraukai sudaryti.

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

Vis dėlto, nors surenkame šviesą tik keliose teleskopų buvimo vietose,

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

Žemei besisukant, gauname ir kitų matavimų.

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

Kitaip tariant, „diskotekos rutuliui“ besisukant, šie veidrodžiai keičia vietas

and we get to observe different parts of the image.

ir mes turime galimybę pamatyti skirtingas vaizdo dalis.

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

Mūsų kuriami vizualizavimo algoritmai užpildo „diskotekos rutulio“ spragas

in order to reconstruct the underlying black hole image.

ir padeda mums atkurti slypintį juodosios skylės vaizdą.

If we had telescopes located everywhere on the globe --

Jei teleskopai būtų išdėstyti visame pasaulyje –

in other words, the entire disco ball --

kitaip tariant, pilnas „diskotekos rutulys“ –

this would be trivial.

tai būtų nereikšminga.

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

Tačiau mes matome tik keletą vaizdo dalių ir todėl

there are an infinite number of possible images

egzistuoja begalinis galimų vaizdų skaičius,

that are perfectly consistent with our telescope measurements.

kurie visiškai atitinka mūsų išmatavimus teleskopu.

However, not all images are created equal.

Vis dėlto, ne visi vaizdai yra vienodai naudingi.

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

Kai kurie šių vaizdų labiau panėšėja į tai, ką laikome vaizdais, nei kiti.

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

Tad mano vaidmuo bandant padaryti pirmąją juodosios skylės nuotrauką

is to design algorithms that find the most reasonable image

yra algoritmų, kurie rastų tinkamiausią vaizdą ir atitiktų

that also fits the telescope measurements.

teleskopo išmatavimus, kūrimas.

Just as a forensic sketch artist uses limited descriptions

Kaip ir kriminalinės ekspertizės ekspertai naudojasi ribotais apibūdinimais,

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

kad sudėliotų vaizdą pasinaudodami savo žiniomis apie veido struktūrą,

the imaging algorithms I develop use our limited telescope data

mano vizualizavimo algoritmai naudoja ribotus teleskopų duomenis,

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

kad padėtų mums atkurti vaizdą, kuris atrodytų kaip visatoje matomi dalykai.

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

Naudodami šiuos algoritmus, mes galime sudėlioti vaizdus

from this sparse, noisy data.

iš šių negausių, chaotiškų duomenų.

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

Čia demonstruoju bandomąją rekonstrukciją, sukurtą naudojant netikrus duomenis,

when we pretend to point our telescopes

įsivaizduojant, kad nukreipiame teleskopus

to the black hole in the center of our galaxy.

į juodąją skylę, esančią mūsų galaktikos centre.

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

Nors tai tik simuliacija, rekonstrukcijos, tokios kaip ši, mums suteikia vilties, kad

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

netrukus galėsime patikimai padaryti pirmąją juodosios skylės nuotrauką

and from it, determine the size of its ring.

ir ja remdamiesi nustatyti jos žiedo dydį.

Nors aš mielai ir toliau pasakočiau apie šio algoritmo detales,

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

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

jūsų laimei, neturiu tiek laiko.

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

Bet vis tiek norėčiau trumpai papasakoti,

of how we define what our universe looks like,

kaip mes apibrėžiame visatos išvaizdą

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

ir kaip tai naudojame rezultatams atkurti ir patikrinti.

Since there are an infinite number of possible images

Kadangi egzistuoja begalinis galimų vaizdų skaičius,

that perfectly explain our telescope measurements,

kurie puikiai pateisina mūsų teleskopų išmatavimus,

we have to choose between them in some way.

kažkokiu būdu mums reikia iš jų išskirti tinkamus.

We do this by ranking the images

Tai darome klasifikuodami vaizdus pagal

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

tikimybę būti juodosios skylės vaizdu,

and then choosing the one that's most likely.

tada išsirenkame vieną, kuris yra labiausiai tikėtinas.

So what do I mean by this exactly?

Taigi, ką aš noriu tuo pasakyti?

Let's say we were trying to make a model

Tarkime, mes bandome sukurti modelį,

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

kuris mums nurodytų tikimybę, kad vaizdas atsiras „Facebook“ tinkle.

Norėtume, kad modelis parodytų,

We'd probably want the model to say

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

kad mažai tikėtina, jog kažkas paskelbtų šį kairėję esantį vaizdą su triukšmu,

and pretty likely that someone would post a selfie

ir gana tikėtina, kad paskelbtų asmenukę,

like this one on the right.

tokią, kaip ši dešinėje.

Vaizdas viduryje yra neryškus,

The image in the middle is blurry,

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

todėl, nors ir labiau tikėtina pamatyti jį „Facebook“,

compared to the noise image,

palyginti su vaizdu su triukšmu,

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

turbūt mažiau tikėtina, kad pamatytume jį, o ne asmenukę.

But when it comes to images from the black hole,

Bet, kai kalbame apie juodosios skylės vaizdus,

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

susiduriame su tikra mįslė – mes dar niekada nematėme juodosios skylės.

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

Tad koks yra tikėtinas juodosios skylės atvaizdas

ir kaip turėtume įsivaizduoti juodųjų skylių struktūrą?

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

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

Galėtume naudoti vaizdus iš mūsų atliktų simuliacijų,

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

tarkime, juodosios skylės vaizdas iš „Interstellar“,

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

bet jei tai padarytumėme, galėtume sukelti rimtų problemų.

Kas nutiktų, jei Einšteino teorijos nepasitvirtintų?

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

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

Mes vis tiek norėtume atkurti tikslų vaizdą, to, kas ten vyksta.

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

Jei mes pernelyg pasikliausime Einšteino lygtimis savo algoritmuose,

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

galų gale tiesiog pamatysime tai, ką ir tikėjomės pamatyti.

In other words, we want to leave the option open

Kitaip tariant, norime pasilikti galimybę, kad

mūsų galaktikos centre yra milžiniškas dramblys.

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

(Laughter)

(Juokas.)

Skirtingi atvaizdų tipai turi labai skirtingas ypatybes.

Different types of images have very distinct features.

Galime lengvai atskirti sumodeliuotus juodosios skylės atvaizdus

We can easily tell the difference between black hole simulation images

and images we take every day here on Earth.

nuo kasdien čia, Žemėje, padaromų nuotraukų.

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

Turime kažkaip nurodyti savo algoritmams, kaip atrodo nuotraukos,

pernelyg neprimetant vieno nuotraukų ypatybių tipo.

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

One way we can try to get around this

Vienas būdų, kaip galėtume tai išspręsti,

is by imposing the features of different kinds of images

yra įvairių vaizdų tipų priskyrimas,

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

o tada išsiaiškinti, kaip pateiktas vaizdas veikia mūsų rekonstrukcijas.

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

Jei visų nuotraukų tipai pateikia labai panašiai atrodantį atvaizdą,

then we can start to become more confident

tuomet galime būti labiau tikri,

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

kad mūsų daromos prielaidos apie atvaizdus nėra pernelyg šališkos.

This is a little bit like giving the same description

Tai šiek tiek panašu į to paties apibūdinimo pateikimą trims

to three different sketch artists from all around the world.

skirtingiems kriminalinės ekspertizės ekspertams iš viso pasaulio.

If they all produce a very similar-looking face,

Jei jie visi gauna labai panašiai atrodantį veidą,

then we can start to become confident

tuomet galime būti tikri,

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

kad jie savo piešiniams neprimeta savo kultūrinio šališkumo.

One way we can try to impose different image features

Vienas būdų priskirti skirtingas vaizdų ypatybes

is by using pieces of existing images.

yra esančių nuotraukų naudojimas.

So we take a large collection of images,

Taigi paimame didelę nuotraukų kolekciją

and we break them down into their little image patches.

ir nuotraukas suardome į mažas nuotrupas.

Tada kiekvieną nuotrupą galime traktuoti kaip dėlionės gabaliuką.

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

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

Naudojame dažnai matomus dėlionės gabaliukus atvaizdui sudaryti,

that also fits our telescope measurements.

kuris taip pat atitinka mūsų teleskopo išmatavimus.

Skirtingi atvaizdų tipai turi labai savitus dėlionės gabaliukų rinkinius.

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

So what happens when we take the same data

Taigi, kas nutinka, kai paimame tuos pačius duomenis,

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

bet naudojame skirtingus dėlionės gabaliukų rinkinius atvaizdui atkurti?

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

Pirma pradėkime nuo juodosios skylės atvaizdo modelio dėlionės gabaliukų.

OK, this looks reasonable.

Gerai, tai atrodo visai priimtina.

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

Tai atrodo taip, kaip ir manome atrodant juodąją skylę.

But did we just get it

Bet ar šį atvaizdą gavome

tik todėl, kad jį gavome iš mažų juodosios skylės simuliacijos vaizdų?

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

Let's try another set of puzzle pieces

Paimkime kitą dėlionės gabaliukų rinkinį

from astronomical, non-black hole objects.

naudodami astronominius ne juodosios skylės objektus.

OK, we get a similar-looking image.

Gerai, dabar gauname panašų vaizdą.

O kaip dėl gabaliukų iš kasdienių nuotraukų,

And then how about pieces from everyday images,

like the images you take with your own personal camera?

pavyzdžiui, tokių, kurias padarote savo fotoaparatu?

Great, we see the same image.

Puiku, mes matome tą patį vaizdą.

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

Kai gauname tą patį vaizdą iš skirtingų dėlionės gabaliukų rinkinių,

then we can start to become more confident

tuomet galime būti labiau tikri,

that the image assumptions we're making

kad mūsų daromos prielaidos apie atvaizdą

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

nedaro pernelyg daug įtakos galutiniam atvaizdui.

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

Taip pat galime paimti tą patį dėlionės gabaliukų rinkinį,

pavyzdžiui iš gabaliukų, gautų iš kasdienių nuotraukų,

such as the ones derived from everyday images,

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

ir jį panaudoti rekonstruodami daugybę įvairių pirminių vaizdų.

So in our simulations,

Modeliuodami įsivaizduojame,

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

kad juodoji skylė atrodo kaip astronominiai ne juodosios skylės objektai

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

o taip pat ir kasdieniai vaizdai, tokie kaip dramblys mūsų galaktikos centre.

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

Kai mūsų algoritmų rezultatai apačioje atrodo labai panašūs į

to the simulation's truth image on top,

simuliacijos tikrąjį vaizdą, esantį viršuje,

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

galime būti labiau tikri savo algoritmais.

And I really want to emphasize here

Čia aš būtinai noriu pabrėžti,

that all of these pictures were created

kad visos šios nuotraukos sukurtos

by piecing together little pieces of everyday photographs,

sujungiant mažas daleles iš kasdienių nuotraukų,

like you'd take with your own personal camera.

tokių, kurias padarote savo fotoaparatu.

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

Todėl juodosios skylės atvaizdas, kurio dar nesame matę,

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

galiausiai gali būti sukurtas sudedant mums įprastus vaizdus:

of people, buildings, trees, cats and dogs.

žmones, pastatus, medžius, kates ir šunis.

Imaging ideas like this will make it possible for us

Vizualizavimo dėjų, tokių kaip ši, dėka galbūt galėsime

to take our very first pictures of a black hole,

padaryti pačias pirmąsias juodosios skylės nuotraukas

and hopefully, verify those famous theories

ir, tikėkimės, patvirtinti tas garsiąsias teorijas,

on which scientists rely on a daily basis.

kuriomis kasdien remiasi mokslininkai.

But of course, getting imaging ideas like this working

Žinoma, įgyvendinti šias atvaizdavimo idėjas

would never have been possible without the amazing team of researchers

nebūtų įmanoma be nuostabios mokslininkų komandos,

that I have the privilege to work with.

su kuria aš turiu garbę dirbti.

Mane vis dar stebina,

It still amazes me

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

kad, nors pradėjau šį projektą neturėdama astrofizikos darbo patirties,

what we have achieved through this unique collaboration

tai, ką pasiekėme šio nepaprasto bendradarbiavimo dėka,

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

gali virsti pačiais pirmaisiais juodosios skylės vaizdais.

Bet dideli projektai, kaip „Įvykių horizonto teleskopas“

But big projects like the Event Horizon Telescope

are successful due to all the interdisciplinary expertise

yra sėkmingi dėka visos tarpdisciplininės kompetencijos,

different people bring to the table.

kurią suteikia skirtingi žmonės.

We're a melting pot of astronomers,

Mes – verdantis katilas astronomų,

physicists, mathematicians and engineers.

fizikų, matematikų ir inžinierių.

This is what will make it soon possible

Būtent dėl to greitai bus įmanoma

pasiekti tai, kas kažkada atrodė neįmanoma.

to achieve something once thought impossible.

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

Norėčiau jus paskatinti veikti

and help push the boundaries of science,

ir padėti plėsti mokslo ribas,

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

net jei iš pradžių tai gali atrodyti taip pat paslaptinga, kaip juodoji skylė.

Thank you.

Ačiū.

(Applause)

(Plojimai.)