面向红外波段的AI驱动低阶焦平面波前感知
天体物理仪器与方法
2024-10-17 v1
摘要
自适应光学（AO）系统是通过补偿大气湍流实现高分辨率天文观测的关键技术。虽然激光制导星（LGS）可解决高阶波前畸变，但天然制导星（NGS）仍是低阶波前感知（LOWFS）的核心。传统NGS方法如棱镜阵列传感器在场视角、灵敏度和复杂度方面存在局限。焦平面波前感知（FPWFS）具有更宽的场视角和更高的信噪比优势，但从失真点扩散函数（PSF）中准确估计低阶模态仍具挑战。我们提出一种专为红外波段低阶模态估计设计的AI驱动FPWFS方法。该方法基于仿真数据训练，在K-band波段的Keck I自适应光学（K1AO）台架校准源实测数据中进行验证。凭借红外信噪比的提升和AI的强大能力，我们的方法克服了传统LOWFS技术的局限，为实现更紧凑、更高效、性能更好的天文AO系统铺平了道路。
引用
@article{arxiv.2410.12084,
title = {AI-Powered Low-Order Focal Plane Wavefront Sensing in Infrared},
author = {Mojtaba Taheri and Mahdiyar Molahasani and Sam Ragland and Benoit Neichel and Peter Wizinowich},
journal= {arXiv preprint arXiv:2410.12084},
year = {2024}
}