探索正则化最大似然重建用于 ngVLA 恒星成像

拟议的下一代甚大阵列（ngVLA）通过将灵敏度和角分辨率较当前工作于 1.2--116~GHz 的射电干涉仪提高一个数量级，将以前所未有的细节对天体源成像。然而，当前的 ngVLA 阵列设计导致高度非高斯的脏束，这可能使得使用传统 CLEAN 去卷积方法难以获得兼具最大灵敏度和最大角分辨率的高保真图像。这一挑战可通过正则化最大似然（RML）方法克服，该类新方法是为事件视界望远镜开发的成像技术。RML 方法采用前向建模途径，直接求解图像而不使用脏束或脏图。因此，该方法有潜力提高 ngVLA 所产图像的保真度和有效角分辨率。作为示例，我们给出了分别用 CASA 和 SMILI 软件包中实现的多尺度（MS-）CLEAN 与 RML 方法对恒星射电光球层的 ngVLA 成像模拟。我们发现，对于不同类型的恒星光球模型，MS-CLEAN 与 RML 方法均可提供恢复大多数代表性结构的高保真图像。然而，在数据与模型的拟合优度、图像残差误差以及恢复真实图像中代表性特征方面，RML 方法对各种恒星模型均表现出优于 MS-CLEAN 的性能。我们的模拟支持了 ngVLA 变革性恒星成像科学的可行性，同时表明 RML 方法是 ngVLA 成像的一个有吸引力的选择。