Un agente di ricerca per i blazar e una rete neurale per l'anello di fotoni

L'astrofisica contemporanea è una disciplina logistica. Bisogna mettere insieme una letteratura che cresce in fretta, dati disomogenei da molte bande dello spettro e modelli fisici sempre più complessi. Non sorprende che alcuni gruppi provino a organizzare questo lavoro, invece di limitarsi ad automatizzare un singolo compito.

Un sistema multiagente per i blazar

Il framework AstroGenesis è descritto da autori di Armenia, Italia e Stati Uniti, tra cui David Pasham e Alessandro Tramacere. È un sistema multiagente di dominio. Unisce la ricerca e la sintesi della letteratura, l'accesso ai dati multifrequenza e la loro analisi, la modellizzazione teorica e la generazione di direzioni di ricerca. Un agente supervisore collabora con un'architettura di pianificatore e ripianificatore. Al centro c'è un agente di modellizzazione teorica, che si appoggia a modelli surrogati neurali addestrati in precedenza. Così la modellizzazione complessa a banda larga e su più aspetti si può condurre attraverso una conversazione in linguaggio naturale, senza avviare ogni volta i calcoli completi.

Gli autori hanno misurato soprattutto lo strato di ricerca della letteratura, su due insiemi di test. Nel primo ogni domanda riguarda una sola pubblicazione, nel secondo la risposta richiede prove da più lavori. Almeno una pubblicazione pertinente è comparsa tra i primi cinque risultati per il 76,6 per cento delle domande del primo insieme e per il 79,2 per cento del secondo. Alcuni flussi di lavoro di esempio mostrano come letteratura, dati osservativi, modellizzazione e formulazione di ipotesi si compongano in un'analisi tracciabile. Gli autori annunciano l'estensione ad altri ambiti dell'astrofisica.

L'anello che rivela lo spin

Un altro lavoro parte dallo strumento di misura stesso. L'interferometria a base molto lunga potrebbe osservare direttamente le strutture del buco nero alla scala dell'orizzonte degli eventi, tra cui l'anello di fotoni. Il subanello di ordine n = 1 è particolarmente prezioso. Nel suo profilo radiale e nella modulazione della luminosità in azimuth, infatti, codifica informazioni sullo spin del buco nero. Il problema è che nelle osservazioni si sovrappone all'emissione del subanello n = 0 e va prima isolato.

Il gruppo di Courtney Duong, Frank Myhre e Joseph Farah ha addestrato una rete neurale convoluzionale su 111.000 immagini simulate di anelli, generate con lo strumento eht-imaging. La rete ricostruisce il profilo radiale e angolare del subanello n = 1 con una correlazione incrociata normalizzata media di circa 0,99. Non segnala falsi rilevamenti quando l'anello nei dati non c'è, e le caratteristiche estratte permettono di recuperare la modulazione di luminosità sensibile allo spin. Sulle immagini delle simulazioni KerrBAM e magnetoidrodinamiche ricostruisce il profilo radiale generale, anche se le discrepanze compaiono nel profilo di intensità. Gli autori collegano il risultato a future missioni, come il previsto Black Hole Explorer.