使非调制金字塔波前传感器智能化：基于MagAO-X的神经网络波前重建闭环演示

几乎所有当前和未来的高对比度成像仪器都将使用金字塔波前传感器（PWFS）作为主要或次要波前传感器。PWFS的主要问题在于其对大相位像差的非线性响应，尤其是在强大气湍流条件下。大多数仪器试图通过使用动态调制来增加其线性范围，但这会导致灵敏度下降，对于低阶模式尤为明显，并使其对花瓣活塞模式失效。在推动对更暗恒星和更深对比度进行高对比度成像的过程中，人们对于使用非调制形式的PWFS抱有浓厚兴趣。在此，我们展示了基于卷积神经网络（CNN）的Magellan自适应光学极端系统（MagAO-X）非调制PWFS非线性重建器的闭环实验室结果。我们证明，我们的非线性重建器具有大于600 nm均方根（RMS）的动态范围，显著优于仅有50 nm RMS动态范围的线性重建器。该重建器在闭环中表现良好，在多种条件下均能在875 nm处获得>80%的斯特列尔比，并且在所有模拟条件下均能达到比线性重建器更高的斯特列尔比。CNN重建器还达到了PWFS的理论灵敏度极限，表明它并未以牺牲灵敏度来换取动态范围。当前CNN的计算时间为690微秒，这使得环路速度能够超过1 kHz。预计很快将进行在轨测试，这对于推动未来高对比度成像仪器达到其极限至关重要。