dLux可微光学I：利用自动微分进行平场和相位恢复的深度标定

空间望远镜的灵敏度极限受到点扩散函数未标定误差、光子噪声、背景光和探测器灵敏度的限制。这些通常通过专门的波前传感器硬件以及在地面或使用标定源获得的平场进行标定，但这会留下对残余时变或非共路径像差以及探测器条件变化的脆弱性。因此，理想的做法是仅从科学数据中推断这些信息，从而面对相位恢复和像素级标定这些维度过高的问题。我们引入了一个新的物理光学模拟Python包dLux，它利用机器学习框架JAX实现GPU加速和自动微分，并将其应用于模拟天文成像。在本系列的第一篇论文中，我们展示了由自动微分实现的梯度下降可用于同时执行相位恢复和探测器灵敏度标定，并能高效地扩展到推断数百万个参数。这个新框架使得在天文学及其他领域的数据分析和硬件设计中进行高维优化和推断成为可能，我们将在本系列的后续论文中对此进行探讨。