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

3,360,376 views ・ 2017-04-28

TED


Dubbelklik op de Engelse ondertitels hieronder om de video af te spelen.

Vertaald door: Rik Delaet Nagekeken door: Peter van de Ven
00:13
In the movie "Interstellar,"
0
13436
1860
In de film 'Interstellar'
00:15
we get an up-close look at a supermassive black hole.
1
15320
3327
zien we een close-up van een superzwaar zwart gat.
00:18
Set against a backdrop of bright gas,
2
18671
2143
Tegen een achtergrond van oplichtend gas
00:20
the black hole's massive gravitational pull
3
20838
2118
buigt de enorme zwaartekracht van het zwarte gat
00:22
bends light into a ring.
4
22980
1435
het licht tot een ring.
00:24
However, this isn't a real photograph,
5
24439
2109
Dit is echter geen echte foto,
00:26
but a computer graphic rendering --
6
26572
1786
maar een computergrafische weergave --
00:28
an artistic interpretation of what a black hole might look like.
7
28382
3390
een artistieke interpretatie van hoe een zwart gat eruit zou kunnen zien.
00:32
A hundred years ago,
8
32401
1166
Honderd jaar geleden kwam Albert Einstein
00:33
Albert Einstein first published his theory of general relativity.
9
33591
3601
met zijn theorie van de algemene relativiteit.
00:37
In the years since then,
10
37216
1439
In de jaren daarna
00:38
scientists have provided a lot of evidence in support of it.
11
38679
2973
vonden wetenschappers veel bewijs ter ondersteuning ervan.
00:41
But one thing predicted from this theory, black holes,
12
41676
3084
Maar één ding voorspeld op basis van deze theorie, zwarte gaten,
00:44
still have not been directly observed.
13
44784
2350
is nog steeds niet direct waargenomen.
Hoewel we een idee hebben over hoe een zwart gat eruit zou kunnen zien,
00:47
Although we have some idea as to what a black hole might look like,
14
47158
3206
00:50
we've never actually taken a picture of one before.
15
50388
2779
hebben we er eigenlijk nog nooit een foto van kunnen nemen.
00:53
However, you might be surprised to know that that may soon change.
16
53191
4279
Het zou je kunnen verbazen dat dat nu snel kan gaan veranderen.
00:57
We may be seeing our first picture of a black hole in the next couple years.
17
57494
4164
Misschien krijgen we in de komende paar jaar een zwart gat te zien.
01:01
Getting this first picture will come down to an international team of scientists,
18
61682
3958
Daarvoor zullen nodig zijn:
een internationaal team van wetenschappers,
01:05
an Earth-sized telescope
19
65664
1567
een Aarde-grote telescoop
en een algoritme om het uiteindelijke beeld samen te stellen.
01:07
and an algorithm that puts together the final picture.
20
67255
2832
Hoewel ik jullie vandaag nog geen reëel beeld van een zwart gat kan tonen,
01:10
Although I won't be able to show you a real picture of a black hole today,
21
70111
3528
01:13
I'd like to give you a brief glimpse into the effort involved
22
73663
2911
wil ik jullie iets vertellen over de benodigde inspanning
01:16
in getting that first picture.
23
76598
1613
om die eerste foto te krijgen.
01:19
My name is Katie Bouman,
24
79477
1437
Mijn naam is Katie Bouman.
01:20
and I'm a PhD student at MIT.
25
80938
2566
Ik ben een PhD student aan het MIT.
Ik doe onderzoek in een lab voor computerwetenschap
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
dat eraan werkt om computers te laten zien via foto's en video.
01:28
But although I'm not an astronomer,
28
88901
2162
Maar hoewel ik geen astronoom ben,
wil ik jullie vandaag laten zien
01:31
today I'd like to show you
29
91087
1285
01:32
how I've been able to contribute to this exciting project.
30
92396
2903
hoe ik in staat was om bij te dragen aan dit spannende project.
01:35
If you go out past the bright city lights tonight,
31
95323
2831
Als je de lichten van de stad vanavond achter je laat,
heb je kans op een ​​prachtig uitzicht
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
op de Melkweg.
Als je voorbij de miljoenen sterren kon inzoomen,
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
26.000 lichtjaar in de richting van het hart van de spiraalvormige Melkweg,
01:48
we'd eventually reach a cluster of stars right at the center.
36
108420
3521
zouden we uiteindelijk een groep sterren midden in het centrum bereiken.
01:51
Peering past all the galactic dust with infrared telescopes,
37
111965
3206
Door al het galactische stof heen turend met infraroodtelescopen,
01:55
astronomers have watched these stars for over 16 years.
38
115195
3867
houden astronomen deze sterren al meer dan 16 jaar in de gaten.
Maar net wat ze niet zien, is het meest spectaculair.
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
Deze sterren lijken een onzichtbaar object te omcirkelen.
02:05
By tracking the paths of these stars,
41
125789
2323
Door het volgen van de paden van deze sterren,
hebben astronomen besloten
02:08
astronomers have concluded
42
128136
1294
02:09
that the only thing small and heavy enough to cause this motion
43
129454
3129
dat het enige wat klein en zwaar genoeg is om deze beweging te veroorzaken
02:12
is a supermassive black hole --
44
132607
1968
een superzwaar zwart gat is --
02:14
an object so dense that it sucks up anything that ventures too close --
45
134599
4178
een object zo dicht dat het alles wat te kort bij komt naar zich toe zuigt --
02:18
even light.
46
138801
1494
zelfs licht.
02:20
But what happens if we were to zoom in even further?
47
140319
3061
Maar wat gebeurt er als we nog verder zouden inzoomen?
02:23
Is it possible to see something that, by definition, is impossible to see?
48
143404
4733
Is het mogelijk om iets te zien dat per definitie onmogelijk te zien is?
02:28
Well, it turns out that if we were to zoom in at radio wavelengths,
49
148719
3244
Als we inzoomen met radiogolven
02:31
we'd expect to see a ring of light
50
151987
1682
verwachten we een ring van licht te zien
02:33
caused by the gravitational lensing of hot plasma
51
153693
2411
veroorzaakt door de gravitatielens van heet plasma
dat rond het zwarte gat zwiert.
02:36
zipping around the black hole.
52
156128
1829
02:37
In other words,
53
157981
1160
Met andere woorden,
het zwarte gat werpt een schaduw op deze achtergrond van heldere materie,
02:39
the black hole casts a shadow on this backdrop of bright material,
54
159165
3171
02:42
carving out a sphere of darkness.
55
162360
1842
te zien als een duistere bol.
02:44
This bright ring reveals the black hole's event horizon,
56
164226
3339
Deze heldere ring onthult de gebeurtenishorizon van het zwarte gat,
02:47
where the gravitational pull becomes so great
57
167589
2400
waar de aantrekkingskracht zo groot wordt
dat zelfs licht niet kan ontsnappen.
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
Einsteins vergelijkingen voorspellen de grootte en vorm ervan.
02:54
so taking a picture of it wouldn't only be really cool,
60
174546
3208
Het nemen van een foto ervan zou niet alleen echt cool zijn,
02:57
it would also help to verify that these equations hold
61
177778
2618
maar zou ook helpen om deze vergelijkingen te verifiëren
03:00
in the extreme conditions around the black hole.
62
180420
2466
in de extreme omstandigheden rond het zwarte gat.
03:02
However, this black hole is so far away from us,
63
182910
2558
Dit zwarte gat is echter zo ver weg
03:05
that from Earth, this ring appears incredibly small --
64
185492
3098
dat deze ring vanaf Aarde gezien ongelooflijk klein lijkt --
03:08
the same size to us as an orange on the surface of the moon.
65
188614
3590
van dezelfde grootte voor ons als een appelsien op het oppervlak van de maan.
03:12
That makes taking a picture of it extremely difficult.
66
192758
2824
Dat maakt het nemen van een foto ervan uiterst moeilijk.
03:16
Why is that?
67
196645
1302
Waarom?
03:18
Well, it all comes down to a simple equation.
68
198512
3188
Het komt allemaal neer op een eenvoudige vergelijking.
03:21
Due to a phenomenon called diffraction,
69
201724
2416
Vanwege het fenomeen diffractie
zijn er fundamentele grenzen
03:24
there are fundamental limits
70
204164
1355
03:25
to the smallest objects that we can possibly see.
71
205543
2670
voor de kleinste objecten die we zouden kunnen zien.
03:28
This governing equation says that in order to see smaller and smaller,
72
208789
3672
Deze vergelijking zegt dat om kleiner en kleiner te kunnen zien,
03:32
we need to make our telescope bigger and bigger.
73
212485
2587
we onze telescoop groter en groter moeten maken.
Maar zelfs met de krachtigste optische telescopen op Aarde
03:35
But even with the most powerful optical telescopes here on Earth,
74
215096
3069
03:38
we can't even get close to the resolution necessary
75
218189
2419
komen we niet eens in de buurt van de resolutie
03:40
to image on the surface of the moon.
76
220632
2198
nodig om het oppervlak van de maan te bekijken.
03:42
In fact, here I show one of the highest resolution images ever taken
77
222854
3617
Hier toon ik een van de hoogste resoluties ooit genomen
03:46
of the moon from Earth.
78
226495
1397
van de maan vanaf de Aarde.
03:47
It contains roughly 13,000 pixels,
79
227916
2557
Het bevat ongeveer 13.000 pixels,
03:50
and yet each pixel would contain over 1.5 million oranges.
80
230497
4050
en toch zou elke pixel meer dan 1,5 miljoen sinaasappels bevatten.
03:55
So how big of a telescope do we need
81
235396
1972
Hoe groot moet dan de telescoop zijn
03:57
in order to see an orange on the surface of the moon
82
237392
2765
om een sinaasappel te zien op het oppervlak van de maan,
04:00
and, by extension, our black hole?
83
240181
2214
om van ons zwarte gat nog niet te spreken?
04:02
Well, it turns out that by crunching the numbers,
84
242419
2340
Nou, het blijkt dat je
04:04
you can easily calculate that we would need a telescope
85
244783
2610
een telescoop nodig zou hebben
ter grootte van de Aarde.
04:07
the size of the entire Earth.
86
247417
1393
04:08
(Laughter)
87
248834
1024
(Gelach)
04:09
If we could build this Earth-sized telescope,
88
249882
2119
Als we deze Aarde-grote telescoop konden bouwen,
04:12
we could just start to make out that distinctive ring of light
89
252025
2925
zouden we een lichtkring kunnen zien
04:14
indicative of the black hole's event horizon.
90
254974
2183
rond de waarnemingshorizon van het zwarte gat.
Al zou dit beeld niet alle details laten zien
04:17
Although this picture wouldn't contain all the detail we see
91
257181
2918
zoals in de computergrafische weergave,
04:20
in computer graphic renderings,
92
260123
1506
04:21
it would allow us to safely get our first glimpse
93
261653
2299
het zou ons veilig een eerste blik gunnen
04:23
of the immediate environment around a black hole.
94
263976
2487
op de directe omgeving rond een zwart gat.
04:26
However, as you can imagine,
95
266487
1613
Jullie kunnen je voorstellen
dat het bouwen van een telescoop met een schotel
04:28
building a single-dish telescope the size of the Earth is impossible.
96
268124
3624
zo groot als de Aarde onmogelijk is.
04:31
But in the famous words of Mick Jagger,
97
271772
1887
In de beroemde woorden van Mick Jagger:
04:33
"You can't always get what you want,
98
273683
1791
"Je krijgt niet altijd wat je wilt,
04:35
but if you try sometimes, you just might find
99
275498
2187
maar als je het probeert, krijg je misschien wel
04:37
you get what you need."
100
277709
1215
wat je nodig hebt."
04:38
And by connecting telescopes from around the world,
101
278948
2464
Telescopen uit de hele wereld met elkaar combineren
04:41
an international collaboration called the Event Horizon Telescope
102
281436
3538
in een internationale samenwerking, de Event Horizon Telescope genaamd,
04:44
is creating a computational telescope the size of the Earth,
103
284998
3109
levert een computertelescoop ter grootte van de Aarde,
om de structuur van de gebeurtenishorizon
04:48
capable of resolving structure
104
288131
1537
04:49
on the scale of a black hole's event horizon.
105
289692
2199
van een zwart gat op te lossen.
04:51
This network of telescopes is scheduled to take its very first picture
106
291915
3387
Dit netwerk van telescopen is gepland
om volgend jaar zijn eerste opname van een zwart gat te maken.
04:55
of a black hole next year.
107
295326
1815
Elke telescoop in het wereldwijde netwerk werkt samen.
04:57
Each telescope in the worldwide network works together.
108
297165
3338
05:00
Linked through the precise timing of atomic clocks,
109
300527
2712
Verbonden door de precieze timing van atoomklokken
bevriezen teams van onderzoekers voor elke waarneming het licht
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
door het verzamelen van duizenden terabytes aan gegevens.
05:08
This data is then processed in a lab right here in Massachusetts.
112
308930
5017
Deze gegevens worden vervolgens verwerkt in een lab hier in Massachusetts.
05:13
So how does this even work?
113
313971
1794
Hoe kan dit nu werken?
05:15
Remember if we want to see the black hole in the center of our galaxy,
114
315789
3403
Bedenk dat om het zwarte gat
in het centrum van ons melkwegstelsel te zien,
05:19
we need to build this impossibly large Earth-sized telescope?
115
319216
2982
we een onmogelijk grote Aarde-grote telescoop moeten bouwen.
05:22
For just a second, let's pretend we could build
116
322222
2232
Laten we even doen alsof we een telescoop
05:24
a telescope the size of the Earth.
117
324478
1842
ter grootte van de Aarde kunnen bouwen.
05:26
This would be a little bit like turning the Earth
118
326344
2455
Dit zou lijken op het omvormen van de Aarde
05:28
into a giant spinning disco ball.
119
328823
1747
tot een gigantische draaiende discobal.
05:30
Each individual mirror would collect light
120
330594
2200
Elke aparte spiegel zou licht opvangen
05:32
that we could then combine together to make a picture.
121
332818
2597
dat we dan konden combineren om een ​​beeld te maken.
05:35
However, now let's say we remove most of those mirrors
122
335439
2661
Laten we nu het grootste deel van deze spiegels verwijderen
05:38
so only a few remained.
123
338124
1972
zodat er slechts enkele overblijven.
We kunnen dan nog steeds deze informatie combineren,
05:40
We could still try to combine this information together,
124
340120
2877
maar nu zijn er veel gaten.
05:43
but now there are a lot of holes.
125
343021
1993
Deze resterende spiegels stellen de locaties voor
05:45
These remaining mirrors represent the locations where we have telescopes.
126
345038
4373
waar we telescopen hebben.
05:49
This is an incredibly small number of measurements to make a picture from.
127
349435
4079
Dit is een ongelooflijk klein aantal metingen om een ​​beeld samen te stellen.
05:53
But although we only collect light at a few telescope locations,
128
353538
3838
Maar hoewel we alleen licht verzamelen op slechts enkele telescooplocaties,
05:57
as the Earth rotates, we get to see other new measurements.
129
357400
3423
krijgen we als de Aarde draait andere nieuwe metingen te zien.
06:00
In other words, as the disco ball spins, those mirrors change locations
130
360847
3819
Met andere woorden, als de discobal draait,
verschuiven de spiegels
06:04
and we get to observe different parts of the image.
131
364690
2899
en kunnen we verschillende delen van het beeld observeren.
06:07
The imaging algorithms we develop fill in the missing gaps of the disco ball
132
367613
4018
Onze beeldvormingsalgoritmes vullen de ontbrekende gaten van de discobal op,
06:11
in order to reconstruct the underlying black hole image.
133
371655
3033
teneinde het zwarte gat erachter te reconstrueren.
06:14
If we had telescopes located everywhere on the globe --
134
374712
2636
Als we overal op de wereld telescopen hadden --
06:17
in other words, the entire disco ball --
135
377372
1941
met andere woorden, de hele discobal --
06:19
this would be trivial.
136
379337
1284
zou dit triviaal zijn.
06:20
However, we only see a few samples, and for that reason,
137
380645
3322
Maar we zien alleen enkele stalen en daarom
06:23
there are an infinite number of possible images
138
383991
2388
zijn er een oneindig aantal mogelijke beelden
06:26
that are perfectly consistent with our telescope measurements.
139
386403
2964
die perfect in overeenstemming zijn met onze telescoopmetingen.
06:29
However, not all images are created equal.
140
389391
3016
Maar niet alle afbeeldingen zijn gelijkaardig.
06:32
Some of those images look more like what we think of as images than others.
141
392849
4458
Sommige van die beelden lijken meer dan andere
op wat wij als afbeeldingen zien.
06:37
And so, my role in helping to take the first image of a black hole
142
397331
3222
Mijn rol om het eerste beeld van een zwart gat te verkrijgen,
06:40
is to design algorithms that find the most reasonable image
143
400577
2932
bestaat uit algoritmen ontwerpen om de beste afbeelding te vinden
06:43
that also fits the telescope measurements.
144
403533
2222
die ook bij de telescoopmetingen past.
06:46
Just as a forensic sketch artist uses limited descriptions
145
406727
3942
Net zoals een politie-tekenaar beperkte beschrijvingen gebruikt
06:50
to piece together a picture using their knowledge of face structure,
146
410693
3514
om een ​​afbeelding te reconstrueren met hun kennis van gezichtsstructuur,
06:54
the imaging algorithms I develop use our limited telescope data
147
414231
3315
zo gebruiken mijn beeldvormingsalgoritmen onze beperkte telescoopdata
06:57
to guide us to a picture that also looks like stuff in our universe.
148
417570
4322
om te leiden tot een beeld dat er ook uitziet als de dingen in ons universum.
07:01
Using these algorithms, we're able to piece together pictures
149
421916
3651
Met deze algoritmen kunnen we beelden samenstellen
07:05
from this sparse, noisy data.
150
425591
2180
uit deze schaarse, rommelige data.
07:07
So here I show a sample reconstruction done using simulated data,
151
427795
4529
Hier toon ik een voorbeeld uitgaande van gesimuleerde data,
als we doen alsof we onze telescopen richten
07:12
when we pretend to point our telescopes
152
432348
1933
naar het zwarte gat in het centrum van ons melkwegstelsel.
07:14
to the black hole in the center of our galaxy.
153
434305
2585
07:16
Although this is just a simulation, reconstruction such as this give us hope
154
436914
4455
Hoewel dit slechts een simulatie is, geven reconstructies als deze ons hoop
om binnenkort op betrouwbare wijze
07:21
that we'll soon be able to reliably take the first image of a black hole
155
441393
3453
een eerste beeld van een zwart gat te kunnen maken
07:24
and from it, determine the size of its ring.
156
444870
2595
en daaruit de grootte van de ring te bepalen.
Ik zou graag alle details van dit algoritme willen geven,
07:28
Although I'd love to go on about all the details of this algorithm,
157
448118
3199
maar heb daar, gelukkig voor jullie, niet de tijd voor.
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
Ik zal toch in het kort uitleggen
07:35
of how we define what our universe looks like,
160
455564
2302
hoe we bepalen hoe ons universum eruitziet,
07:37
and how we use this to reconstruct and verify our results.
161
457890
4466
en hoe we dit gebruiken om onze resultaten
te reconstrueren en te controleren.
07:42
Since there are an infinite number of possible images
162
462380
2496
Omdat er een oneindig aantal mogelijke beelden zijn
07:44
that perfectly explain our telescope measurements,
163
464900
2365
die onze telescoopmetingen perfect uitleggen,
07:47
we have to choose between them in some way.
164
467289
2605
moeten we op een bepaalde manier tussen hen kiezen.
07:49
We do this by ranking the images
165
469918
1838
We rangschikken de beelden
07:51
based upon how likely they are to be the black hole image,
166
471780
2834
volgens hoe groot de kans is dat ze de foto van het zwarte gat zijn,
07:54
and then choosing the one that's most likely.
167
474638
2482
en kiezen dan voor de waarschijnlijkste.
Wat bedoel ik hiermee?
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
Laten we zeggen dat we een ​​model willen maken
08:01
that told us how likely an image were to appear on Facebook.
170
481864
3183
dat de kans weergeeft dat een beeld op Facebook komt.
We zouden het onwaarschijnlijk vinden
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
dat iemand dit vage beeld links zou posten,
en vrij waarschijnlijk dat iemand een selfie zou posten
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
zoals rechts.
Het beeld in het midden is onscherp,
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
al zouden we het eerder op Facebook tegenkomen
08:18
compared to the noise image,
177
498504
1360
dan het beeld met ruis,
08:19
it's probably less likely we'd see it compared to the selfie.
178
499888
2960
maar minder dan de selfie.
08:22
But when it comes to images from the black hole,
179
502872
2290
Maar als het gaat om beelden van het zwarte gat
08:25
we're posed with a real conundrum: we've never seen a black hole before.
180
505186
3502
zitten we met een echt raadsel, want dat hebben we nog nooit gezien.
08:28
In that case, what is a likely black hole image,
181
508712
2291
Hoe zal dan een zwart gat eruitzien,
en wat moeten we veronderstellen over de structuur van zwarte gaten?
08:31
and what should we assume about the structure of black holes?
182
511027
2938
08:33
We could try to use images from simulations we've done,
183
513989
2632
Misschien met beelden van onze simulaties,
08:36
like the image of the black hole from "Interstellar,"
184
516645
2530
zoals het beeld van het zwarte gat van ‘Interstellar’,
maar dat zou een aantal ernstige problemen met zich meebrengen.
08:39
but if we did this, it could cause some serious problems.
185
519199
2938
Wat als de theorieën van Einstein niet zouden kloppen?
08:42
What would happen if Einstein's theories didn't hold?
186
522161
3380
08:45
We'd still want to reconstruct an accurate picture of what was going on.
187
525565
3961
We zouden nog steeds een nauwkeurig beeld willen reconstrueren.
08:49
If we bake Einstein's equations too much into our algorithms,
188
529550
3371
Als we Einsteins vergelijkingen te veel in onze algoritmen verwerken,
08:52
we'll just end up seeing what we expect to see.
189
532945
2755
zullen we alleen maar zien wat we verwachten.
08:55
In other words, we want to leave the option open
190
535724
2276
Een gigantische olifant in het centrum van ons melkwegstelsel?
08:58
for there being a giant elephant at the center of our galaxy.
191
538024
2923
Moet kunnen?
09:00
(Laughter)
192
540971
1057
(Gelach)
Verschillende beelden met verschillende eigenschappen.
09:02
Different types of images have very distinct features.
193
542052
2989
We zien gemakkelijk het verschil
09:05
We can easily tell the difference between black hole simulation images
194
545065
3548
tussen simulatiebeelden van een zwart gat
09:08
and images we take every day here on Earth.
195
548637
2276
en alledaagse foto's.
09:10
We need a way to tell our algorithms what images look like
196
550937
3104
We moeten onze algoritmen kunnen vertellen welke beelden te zoeken
zonder te veel nadruk op één type afbeelding.
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
Een manier om dit te omzeilen
09:19
is by imposing the features of different kinds of images
199
559782
3062
is de kenmerken van de verschillende soorten afbeeldingen opleggen
09:22
and seeing how the type of image we assume affects our reconstructions.
200
562868
4130
en zien hoe het type beeld waar we van uitgaan
onze reconstructies beïnvloedt.
09:27
If all images' types produce a very similar-looking image,
201
567712
3491
Als alle types beelden een zeer gelijkende afbeelding produceren,
09:31
then we can start to become more confident
202
571227
2057
dan kunnen we er zekerder van zijn
09:33
that the image assumptions we're making are not biasing this picture that much.
203
573308
4173
dat de aannames die we maken het beeld niet te veel vertekenen.
09:37
This is a little bit like giving the same description
204
577505
2990
Dit is een beetje als het geven van dezelfde beschrijving
09:40
to three different sketch artists from all around the world.
205
580519
2996
aan drie verschillende politie-tekenaars van over de hele wereld.
09:43
If they all produce a very similar-looking face,
206
583539
2860
Als ze allemaal een vergelijkbaar uitziend gezicht produceren,
09:46
then we can start to become confident
207
586423
1793
dan kunnen we erop vertrouwen
09:48
that they're not imposing their own cultural biases on the drawings.
208
588240
3616
dat hun culturele vooroordelen de tekeningen niet beïnvloeden.
09:51
One way we can try to impose different image features
209
591880
3315
Een manier om verschillende beeldeigenschappen op te leggen,
09:55
is by using pieces of existing images.
210
595219
2441
is met behulp van stukken van bestaande beelden.
09:58
So we take a large collection of images,
211
598214
2160
Dus nemen we een grote verzameling beelden
10:00
and we break them down into their little image patches.
212
600398
2718
en delen ze op in hun kleinere stukjes.
Dan kunnen we die stukjes behandelen als stukjes van een puzzel.
10:03
We then can treat each image patch a little bit like pieces of a puzzle.
213
603140
4285
10:07
And we use commonly seen puzzle pieces to piece together an image
214
607449
4278
En we gebruiken vaak voorkomende stukjes om een beeld samen te stellen
10:11
that also fits our telescope measurements.
215
611751
2452
dat ook past bij onze telescoopmetingen.
Verschillende soorten beelden hebben zeer kenmerkende sets van puzzelstukjes.
10:15
Different types of images have very distinctive sets of puzzle pieces.
216
615040
3743
10:18
So what happens when we take the same data
217
618807
2806
Wat gebeurt er als we dezelfde gegevens nemen,
10:21
but we use different sets of puzzle pieces to reconstruct the image?
218
621637
4130
maar verschillende sets van puzzelstukken gebruiken om het beeld te reconstrueren?
10:25
Let's first start with black hole image simulation puzzle pieces.
219
625791
4766
Laten we eerst beginnen met puzzelstukjes van de simulatie van een zwart gat.
10:30
OK, this looks reasonable.
220
630581
1591
OK, dit ziet er redelijk uit.
10:32
This looks like what we expect a black hole to look like.
221
632196
2694
Dit lijkt op wat we verwachten van een zwart gat.
10:34
But did we just get it
222
634914
1193
Maar kregen we het gewoon
uit de kleine stukjes simulatiebeelden van een zwart gat?
10:36
because we just fed it little pieces of black hole simulation images?
223
636131
3314
10:39
Let's try another set of puzzle pieces
224
639469
1880
We proberen het met een andere set puzzelstukjes
10:41
from astronomical, non-black hole objects.
225
641373
2509
van astronomische, niet-zwarte-gatobjecten.
10:44
OK, we get a similar-looking image.
226
644914
2126
We krijgen een gelijkende afbeelding.
Hoe zit het dan met stukjes uit gewone beelden,
10:47
And then how about pieces from everyday images,
227
647064
2236
10:49
like the images you take with your own personal camera?
228
649324
2785
als de foto's die je maakt met je eigen camera?
10:53
Great, we see the same image.
229
653312
2115
Geweldig, we zien hetzelfde beeld.
10:55
When we get the same image from all different sets of puzzle pieces,
230
655451
3366
Krijgen we hetzelfde beeld uit alle sets van puzzelstukjes,
10:58
then we can start to become more confident
231
658841
2046
dan kunnen we er wat zekerder van zijn
11:00
that the image assumptions we're making
232
660911
1966
dat onze aannames
11:02
aren't biasing the final image we get too much.
233
662901
2921
niet te veel afwijken van het uiteindelijke beeld.
11:05
Another thing we can do is take the same set of puzzle pieces,
234
665846
3253
Wat we nog kunnen doen, is dezelfde set van puzzelstukjes,
zoals die afkomstig van alledaagse beelden,
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
gebruiken om veel verschillende soorten van bronbeelden te reconstrueren.
11:15
So in our simulations,
237
675260
1271
Dus doen we in onze simulaties
11:16
we pretend a black hole looks like astronomical non-black hole objects,
238
676555
3775
alsof een zwart gat lijkt op astronomische niet-zwarte-gat dingen,
11:20
as well as everyday images like the elephant in the center of our galaxy.
239
680354
3849
net als alledaagse beelden als de olifant in het centrum van ons melkwegstelsel.
11:24
When the results of our algorithms on the bottom look very similar
240
684227
3168
Wanneer de resultaten onderaan
erg lijken op het echte beeld van de simulatie bovenaan,
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
dan mogen we onze algoritmen meer beginnen te vertrouwen.
11:32
And I really want to emphasize here
243
692909
1867
Ik wil hier benadrukken
11:34
that all of these pictures were created
244
694800
1934
dat al deze foto's zijn gemaakt
11:36
by piecing together little pieces of everyday photographs,
245
696758
2936
door kleine stukjes van alledaagse foto’s samen te voegen,
11:39
like you'd take with your own personal camera.
246
699718
2215
foto’s zoals die van je eigen camera.
11:41
So an image of a black hole we've never seen before
247
701957
3276
Zo kan een afbeelding van een zwart gat dat we nooit eerder hebben gezien
11:45
may eventually be created by piecing together pictures we see all the time
248
705257
3943
worden gecreëerd door beelden samen te voegen
van dingen die we kennen,
11:49
of people, buildings, trees, cats and dogs.
249
709224
2745
zoals mensen, gebouwen, bomen, katten en honden.
11:51
Imaging ideas like this will make it possible for us
250
711993
2645
Beeldvormingsideeën als deze zullen het voor ons mogelijk te maken
11:54
to take our very first pictures of a black hole,
251
714662
2619
een foto te nemen van een zwart gat,
11:57
and hopefully, verify those famous theories
252
717305
2447
en hopelijk die beroemde theorieën te testen
11:59
on which scientists rely on a daily basis.
253
719776
2421
waar wetenschappers elke dag op steunen.
12:02
But of course, getting imaging ideas like this working
254
722221
2608
Maar natuurlijk zou dit nooit zijn gelukt
12:04
would never have been possible without the amazing team of researchers
255
724853
3322
zonder het geweldige team van onderzoekers
waar ik het voorrecht heb om mee te werken.
12:08
that I have the privilege to work with.
256
728199
1887
Het verbaast me nog steeds
12:10
It still amazes me
257
730110
1163
12:11
that although I began this project with no background in astrophysics,
258
731297
3351
dat, hoewel ik hieraan begon zonder achtergrond in de astrofysica,
12:14
what we have achieved through this unique collaboration
259
734672
2619
wat we door deze unieke samenwerking hebben bereikt,
12:17
could result in the very first images of a black hole.
260
737315
2759
kan leiden tot de allereerste beelden van een zwart gat.
Maar grote projecten als de Event Horizon Telescope
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
zijn succesvol door alle interdisciplinaire deskundigheid
12:25
different people bring to the table.
263
745658
1790
van verschillende mensen.
12:27
We're a melting pot of astronomers,
264
747472
1706
We zijn een smeltkroes van astronomen,
12:29
physicists, mathematicians and engineers.
265
749202
2232
natuurkundigen, wiskundigen en ingenieurs.
12:31
This is what will make it soon possible
266
751458
2554
Dit zal binnenkort mogelijk maken
wat ooit als onmogelijk werd gezien.
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
Ik wil jullie allen aanmoedigen om mee te werken
12:39
and help push the boundaries of science,
269
759193
2096
aan het verleggen van de grenzen van de wetenschap,
12:41
even if it may at first seem as mysterious to you as a black hole.
270
761313
3901
zelfs als het eerst even mysterieus lijkt als een zwart gat.
12:45
Thank you.
271
765238
1174
Dank je.
12:46
(Applause)
272
766436
2397
(Applaus)
Over deze website

Deze site laat u kennismaken met YouTube-video's die nuttig zijn om Engels te leren. U ziet Engelse lessen gegeven door topdocenten uit de hele wereld. Dubbelklik op de Engelse ondertitels op elke videopagina om de video af te spelen. De ondertitels scrollen synchroon met het afspelen van de video. Heeft u opmerkingen of verzoeken, neem dan contact met ons op via dit contactformulier.

https://forms.gle/WvT1wiN1qDtmnspy7