面向数据驱动预测波前控制的高对比度成像：基于超参数优化的未来展望
计算与语言
2025-01-16 v4 人工智能
摘要
直接成像和表征系外行星需要极端自适应光学（XAO），实现对窄视场（仅几角秒）内的卓越波前校正（最高达90%的Strehl值）。对于这些 XAO 系统，时间误差常常占据误差预算的主导地位，即波前演化速度快于波前传感器与控制之间的时延。在大气层风速较高的情形下，这可能导致风驱动的暗区光环在矢状镜中形成，限制对浅薄、靠近星体的伴侣的灵敏度。AO 系统的时延常常受制于波前传感器的曝光时间，尤其是针对较弱的导星。预测控制通过预测波前的形状，以便在系统校正应用时即可实现。其中一种预测方法是经验正交函数（EOF），其利用波前传感器历史中的前序状态来学习与线性相关性的最小化问题。该方法已在 Subaru/SCExAO 和 Keck/NIRC2 上实现，但尚未得到优化。以本工作为起点，我们探讨了在实现 EOF 上的最佳滤波器超参数空间、其在不同大气参数下的稳定性，以及未来实现预测控制的路径。该工作不仅为优化 Keck 和 Subaru 的观测提供了路径，也为极大望远镜的预测控制方法奠定了探索基础。
引用
@article{arxiv.2407.11186,
title = {Empowering Persian LLMs for Instruction Following: A Novel Dataset and Training Approach},
author = {Hojjat Mokhtarabadi and Ziba Zamani and Abbas Maazallahi and Mohammad Hossein Manshaei},
journal= {arXiv preprint arXiv:2407.11186},
year = {2025}
}