O que Python tem a ver com a primeira imagem de um buraco negro?
Como visualizar algo que por definição é impossível de ser visto?
O que é um buraco negro?
Podemos dizer que o buraco negro surgiu a partir da teoria da relatividade desenvolvida em 1915 por Albert Einstein. Essa teoria mostrou que quando uma estrela massiva morre, ela deixa um núcleo pequeno de grande densidade, que caso seja maior que três vezes a massa do Sol, conforme as equações, gerará uma força gravitacional tão intensa que nem mesmo a luz conseguiria escapar, produzindo assim um buraco negro.
O Buraco Negro da Galáxia M87
O buraco negro foco do estudo foi um localizado na galáxia M87 ou Messier 87 que está nada mais do que a 55 milhões de anos luz da terra. Ele possui uma massa equivalente a 6.5 bilhões de vezes a massa do Sol, isso mesmo!
Essa belezinha já vem sendo estudado há mais de 100 anos, mas nunca tinha sido visualmente observado. Para capturar uma imagem desse buraco negro precisaríamos de um telescópio do tamanho da terra. E ele existe, é o Event Horizon telescope (EHT) formado por um conjunto de 8 telescópios espalhados na terra, formando um array computacional de alta sensibilidade e resolução.
A resolução é tão potente que sentado em um café em Paris você seria capaz de ler um jornal em Nova Iorque
Quantidade de dados gerados
O conjunto de 8 telescópios ligados ao EHT geram mais de 350 terabytes de dados por observação. Processar esse volume de dados é extremamente difícil. Além disso, há a necessidade de ajustar os dados pois as imagens são coletadas de diversos pontos diferentes da terra e estão sujeitas a diversas influências e interferências.
Papel do NUMPY
O telescópio EHT possui vários times independentes para avaliar os dados e estabelecer os parâmetros e técnicas utilizadas para reconstruir a imagem. Esse trabalho colaborativo permitiu a geração da primeira imagem oficial d eum buraco negro.
A imagem abaixo descreve o papel do Python que permitiu o avanço dessa análise colaborativa de uma grande quantidade de dados/imagens:
Bibliotecas utilizadas
Foi desenvolvido o pacoteeht-imaging com diversas ferramentas para simular e permitir a reconstrução de imagens a partir de dados VLBI. O NumPy está no centro desses pacotes utilizados para processamento. As dependências entre os pacotes está descrito na imagem abaixo:
Além do Numpy, outros pacotes como o SciPy e o Pandas foram utilizados nesse pipeline para processar a imagem do buraco negro. Os dados das posições astrônomicas foram tratados com o Astropy, enquanto o Matplotlib foi utilizado para visualização dos dados através do pipeline de análise até a geração da imagem final do buraco negro.
Conclusão
A eficiência e capacidade do Numpy para manipular um dataset de n-dimensões possibilitou a visualização do primeiro buraco negro da história. Um momento relevante para a história, evidenciando a teoria desenvolvida por Einstein e desenvolvida em colaboração com mais de 200 cientistas espalhados pelo mundo.
Principais características que do Numpy utilizadas:
Existem muitas outras aplicações científicas para as bibliotecas mais famosas escritas em Python.
Para mais conteúdo de Python e Data Science acesse https://aprendadatascience.com ou no instagram @aprendadatascience
