Katie Bouman (mujer que dirigió el desarrollo del algoritmo que hizo posible la primera imagen de un agujero negro).
Katie Bouman es una mujer de 29 años que nació en Indiana (EE. UU.) Se graduó en el MIT en Ingeniería Eléctrica y Ciencias de la Computación en la Universidad de Michigan. Obtuvo su Ph.D en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial. Fue becaria postdoctoral con el Telescopio Horizon de Eventos en el Centro de Atrofísica Harvard-Smithsonian. A día de hoy, ha comenzado como profesora asistente en el departamento de Computación y Ciencias Matemáticas en el Instituto de Tecnología de California.
El Laboratorio de Inteligencia Artificial e Informática y la Universidad de Harvard han desarrollado un algoritmo que unirá los datos recopilados de los telescopios de radio repartidos por el mundo. Katie Bouman, dirigió el desarrollo de este algoritmo.
El proyecto Even Horizon Telescope, en el cual participaba Katie Bouman, pretendía coordinar las mediciones realizadas por los radiotelescopios en lugares muy diversos. Estos telescopios, se basan en una técnica: la Interferometría, la cual trata de reconstruir una imagen a partir de unos datos numéricos gracias a una teoría matemática. Las señales que son detectadas por pares de telescopios se combinan, de modo que las señales interfieren entre sí. Esta técnica, dejaría huecos en los datos.
Para compensar esos huecos con pérdidas de información, Katie Bouman optó por una solución algebraica. Para cada nueva medición usó tres telescopios en vez de un par, así las mediciones se multiplicarían, y los retrasos adicionales causados por el ruido atmosférico se anularían entre sí. El aumento de precisión compensaría la pérdida de información.
El algoritmo que utilizó Katie Bouman, era un algoritmo de aprendizaje automático, para identificar patrones que tienden a repetirse.
El algoritmo, hará una reconstrucción de alta resolución de imagen continuo, para ello, usará priores Patch (para eliminar parámetros como el ruido causados por factores, que distorsionan las ondas de radio y sincronizar con precisión las señales capturadas por telescopios remotos).
La investigación que realizó Katie Bouman se centró en la imagen computacional, el diseño de sistemas que integran el algoritmo y el diseño del sensor, lo que hizo posible la imagen del agujero negro. Para observar estas imágenes que antes era imposible, el grupo de Katie Bouman combinó procesamiento de señales, visión por computadora, aprendizaje automático y física.
Katie Bouman es una mujer de 29 años que nació en Indiana (EE. UU.) Se graduó en el MIT en Ingeniería Eléctrica y Ciencias de la Computación en la Universidad de Michigan. Obtuvo su Ph.D en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial. Fue becaria postdoctoral con el Telescopio Horizon de Eventos en el Centro de Atrofísica Harvard-Smithsonian. A día de hoy, ha comenzado como profesora asistente en el departamento de Computación y Ciencias Matemáticas en el Instituto de Tecnología de California.
El Laboratorio de Inteligencia Artificial e Informática y la Universidad de Harvard han desarrollado un algoritmo que unirá los datos recopilados de los telescopios de radio repartidos por el mundo. Katie Bouman, dirigió el desarrollo de este algoritmo.
El proyecto Even Horizon Telescope, en el cual participaba Katie Bouman, pretendía coordinar las mediciones realizadas por los radiotelescopios en lugares muy diversos. Estos telescopios, se basan en una técnica: la Interferometría, la cual trata de reconstruir una imagen a partir de unos datos numéricos gracias a una teoría matemática. Las señales que son detectadas por pares de telescopios se combinan, de modo que las señales interfieren entre sí. Esta técnica, dejaría huecos en los datos.
Para compensar esos huecos con pérdidas de información, Katie Bouman optó por una solución algebraica. Para cada nueva medición usó tres telescopios en vez de un par, así las mediciones se multiplicarían, y los retrasos adicionales causados por el ruido atmosférico se anularían entre sí. El aumento de precisión compensaría la pérdida de información.
El algoritmo que utilizó Katie Bouman, era un algoritmo de aprendizaje automático, para identificar patrones que tienden a repetirse.
El algoritmo, hará una reconstrucción de alta resolución de imagen continuo, para ello, usará priores Patch (para eliminar parámetros como el ruido causados por factores, que distorsionan las ondas de radio y sincronizar con precisión las señales capturadas por telescopios remotos).
La investigación que realizó Katie Bouman se centró en la imagen computacional, el diseño de sistemas que integran el algoritmo y el diseño del sensor, lo que hizo posible la imagen del agujero negro. Para observar estas imágenes que antes era imposible, el grupo de Katie Bouman combinó procesamiento de señales, visión por computadora, aprendizaje automático y física.
Bibliografía:
Astronomy now
