基于环境与望远镜运行条件的天文图像质量预测
天体物理仪器与方法
2020-11-09 v1 星系天体物理
摘要
地基天文观测台所拍摄科学曝光序列的智能调度极具挑战性。观测时间供不应求，且大气条件不断变化。我们提出利用机器学习来指导天文台调度。借助加拿大-法国-夏威夷望远镜记录的为期15年的曝光、环境与运行条件档案，我们构建了一个概率数据驱动模型，可准确预测图像质量。我们证明，通过优化望远镜圆顶上十二个通风口的开启与关闭，可减少圆顶引起的湍流，并将望远镜图像质量提升(0.05–0.2角秒)。这相当于将曝光时间(以及成本)减少约。我们的研究是迈向基于数据优化当前及下一代望远镜数百万美元运行的第一步。
引用
@article{arxiv.2011.03132,
title = {Astronomical Image Quality Prediction based on Environmental and Telescope Operating Conditions},
author = {Sankalp Gilda and Yuan-Sen Ting and Kanoa Withington and Matthew Wilson and Simon Prunet and William Mahoney and Sebastien Fabbro and Stark C. Draper and Andrew Sheinis},
journal= {arXiv preprint arXiv:2011.03132},
year = {2020}
}
备注
4 pages, 3 figures. Accepted to Machine Learning and the Physical Sciences Workshop at the 34th Conference on Neural Information Processing Systems (NeurIPS)