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

映画『インターステラー』では

Set against a backdrop of bright gas,

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

the black hole's massive gravitational pull

明るいガスを背景として

bends light into a ring.

ブラックホールの巨大な重力によって

However, this isn't a real photograph,

光がリング状に曲げられています

but a computer graphic rendering --

しかし これは実際の写真ではなく

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

コンピュータグラフィックによるもので

A hundred years ago,

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

Albert Einstein first published his theory of general relativity.

100年前に

In the years since then,

アインシュタインが 一般相対性理論を発表しました

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

それ以来

But one thing predicted from this theory, black holes,

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

still have not been directly observed.

しかし この理論で予言された ブラックホールは

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

まだ 直接は観測されていません

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

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

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

まだ 実際の写真は １枚も撮られていません

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

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

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

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

an Earth-sized telescope

最初の１枚の撮影は 世界中の科学者からなるチームと

and an algorithm that puts together the final picture.

地球サイズの望遠鏡と

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

１枚の写真に構成する アルゴリズムによるものです

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

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

in getting that first picture.

その最初の１枚を撮るための舞台裏を

My name is Katie Bouman,

ちらりとお見せします

and I'm a PhD student at MIT.

私は ケイティ・バウマンと申します

I do research in a computer science lab

MITの大学院生で

that works on making computers see through images and video.

コンピュータサイエンス研究室で

But although I'm not an astronomer,

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

today I'd like to show you

私が天文学者ではないのに

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

この刺激的なプロジェクトに

If you go out past the bright city lights tonight,

どのように貢献してきたかをお見せします

you may just be lucky enough to see a stunning view

今夜 都会の明かりから逃れて郊外へ行けば

of the Milky Way Galaxy.

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

And if you could zoom past millions of stars,

何百万もの星を通り抜けて

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

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

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

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

astronomers have watched these stars for over 16 years.

赤外線望遠鏡で観測し始めてから 16年以上経ちます

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

しかし 一番見たいものを見てはいません

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

astronomers have concluded

天文学者は

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

この運動を引き起こすような サイズと質量の天体は

is a supermassive black hole --

超大質量ブラックホールだけと結論づけました

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？

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

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？

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

zipping around the black hole.

光のリングを観測できるはずです

In other words,

つまり

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

ブラックホールは この明るい物質を背景に影を作り

carving out a sphere of darkness.

球状の暗闇を作りだすのです

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

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

where the gravitational pull becomes so great

ここから先は あまりに重力が強いので

that not even light can escape.

光でさえ逃れられなくなります

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

in the extreme conditions around the black hole.

極限状態でも成り立つかを 確認するのに役立ちます

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

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

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

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

Due to a phenomenon called diffraction,

回折という現象のために

there are fundamental limits

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

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

we need to make our telescope bigger and bigger.

望遠鏡を大きくしなければならないのです

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

しかし 地球上の最大の光学望遠鏡でさえ

we can't even get close to the resolution necessary

月の表面の写真を撮るのに

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

of the moon from Earth.

地球から見た月の写真です

It contains roughly 13,000 pixels,

この写真は約１万３千画素ですが

and yet each pixel would contain over 1.5 million oranges.

１画素に 150万個以上のオレンジが 収まってしまいます

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

and, by extension, our black hole?

どんな大きさの望遠鏡が必要なのでしょうか？

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

the size of the entire Earth.

簡単に分かります

(Laughter)

（笑）

If we could build this Earth-sized telescope,

もし地球サイズの望遠鏡を建設できれば

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

ブラックホールの事象の地平面を示す

indicative of the black hole's event horizon.

特別な光の輪を見分け始められるのです

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

この写真は コンピュータグラフィックほど

in computer graphic renderings,

詳細ではありませんが

it would allow us to safely get our first glimpse

これによって 初めて ブラックホールの周辺の状況を

of the immediate environment around a black hole.

確実に 一目見ることができます

However, as you can imagine,

しかし ご想像の通り

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

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

But in the famous words of Mick Jagger,

でもミック・ジャガーも歌っているように

"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."

そして 世界中の望遠鏡を繋ごうという

And by connecting telescopes from around the world,

「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

地球サイズの望遠鏡を コンピュータの力で実現し

is creating a computational telescope the size of the Earth,

ブラックホールの事象の地平面を

capable of resolving structure

捉えられる解像度に達しようとしています

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

2017年には この望遠鏡ネットワークを使って

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

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

光を全部捉えて 数千兆バイトのデータを収集します

by collecting thousands of terabytes of data.

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.

仕組みをもう少し説明します

So how does this even work?

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

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

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

造れるとしましょう

a telescope the size of the Earth.

地球を巨大な回転するミラーボールだと

This would be a little bit like turning the Earth

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

１つにまとめられて１枚の写真となります

that we could then combine together to make a picture.

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.

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

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

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

像の別の部分を観測することができます

and we get to observe different parts of the image.

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

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

そこに隠されているブラックホールの 像を再現します

in order to reconstruct the underlying black hole image.

もし 地表の全面に望遠鏡を設置できたとして

If we had telescopes located everywhere on the globe --

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.

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

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

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.

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

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

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

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

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

is to design algorithms that find the most reasonable image

アルゴリズムを開発することです

that also fits the telescope measurements.

似顔絵捜査官がわずかな特徴の情報から

Just as a forensic sketch artist uses limited descriptions

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

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

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

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

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

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

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

写真へとまとめあげられるのです

from this sparse, noisy data.

では 天の川銀河系の中心にある ブラックホールに

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

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

その輪の大きさを決められるという 希望を持てます

and from it, determine the size of its ring.

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.

宇宙の見え方を決定する方法や

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

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

of how we define what our universe looks like,

さて 望遠鏡の観測データに 完全に合う画像は

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

無限にあり得るので 何らかの方法で

Since there are an infinite number of possible images

その中から選び出さなくてはなりません

that perfectly explain our telescope measurements,

ブラックホールの像に近い 度合いに応じて

we have to choose between them in some way.

これらの画像をランク付けして

We do this by ranking the images

最も適切な１枚を選びだします

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

もう少し分かりやすくして

and then choosing the one that's most likely.

フェイスブックに

So what do I mean by this exactly?

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

Let's say we were trying to make a model

このモデルを使った場合

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

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

We'd probably want the model to say

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

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

結果を期待します

and pretty likely that someone would post a selfie

真ん中の写真はぼやけていて

like this one on the right.

フェイスブック上に 左のノイズの写真よりは

The image in the middle is blurry,

見られそうですが

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

自撮り写真と比べると可能性は低そうです

compared to the noise image,

ブラックホールの写真となると これは難問です

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

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

But when it comes to images from the black hole,

この場合 ブラックホールの 像らしいのはどれで

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

その構造として仮定すべきなのは どれでしょうか？

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

「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

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

シミュレーションは使えるでしょう

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

しかし そうすると重大な問題が起きます

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

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？

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

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

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

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

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

予想した通りのものを 見ることになってしまいます

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

つまり 銀河の中心には 大きな象がいるという可能性を

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

残しておきたいのです

In other words, we want to leave the option open

（笑）

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

異なるタイプの画像は 全く別個の特徴を持ちます

(Laughter)

ブラックホールのシミュレーションの画像と

Different types of images have very distinct features.

地球上で日常的に撮る写真の 違いは明らかです

We can easily tell the difference between black hole simulation images

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

and images we take every day here on Earth.

アルゴリズムに教えてやらなければなりません

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

その方法の１つは

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

各種ある中から ある画像タイプの特徴を強調して用い

One way we can try to get around this

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

is by imposing the features of different kinds of images

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

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

出来上がった画像が 私たちが設定した仮定から

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

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

then we can start to become more confident

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

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

同じ情報を提供するのに少し似ています

This is a little bit like giving the same description

もし ３人ともが 非常に似た顔を描けば

to three different sketch artists from all around the world.

出来上がった絵が

If they all produce a very similar-looking face,

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

then we can start to become confident

色々な画像タイプが持つ特徴を 反映させるには

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

既にある画像の部分を使う方法があります

One way we can try to impose different image features

画像を大量に集めて

is by using pieces of existing images.

小さな画像のかけらに分解します

So we take a large collection of images,

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

and we break them down into their little image patches.

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

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

まとめあげます

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

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

that also fits our telescope measurements.

同じ観測データに基づいて 異なるピースセットを使い

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

画像を再構成すると どのようになるのでしょうか？

So what happens when we take the same data

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

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

まあ 妥当ですね

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

これは私たちが思うブラックホールの姿と 似ています

OK, this looks reasonable.

でも こうなったのは

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

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？

But did we just get it

では 別のセットを使いましょう

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

今度は ブラックホールではない 天体からのものです

Let's try another set of puzzle pieces

いいですね よく似ています

from astronomical, non-black hole objects.

最後に 自分のカメラで撮影したような

OK, we get a similar-looking image.

日常の写真から作った パズルピースではどうでしょう？

And then how about pieces from everyday images,

やりました 同じ写真が出来ました

like the images you take with your own personal camera?

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

Great, we see the same image.

最後に得られた画像が 私たちが設定をした仮定から

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

大きな影響を受けていないと

then we can start to become more confident

確信を持てるようになり始めます

that the image assumptions we're making

もう１つの方法は ある１つのパズルピースのセットー

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

例えば日常の写真から得られたセットを使って

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

色々な種類の画像を再構成する方法です

such as the ones derived from everyday images,

シミュレーションでは

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

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

So in our simulations,

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