使未调制的金字塔波前传感器智能化 II. 基于深度学习的极端自适应光学首次在轨演示
天体物理仪器与方法
2025-03-24 v1 地球与行星天体物理
机器学习
光学
摘要
金字塔波前传感器（PWFS）是当前和未来极端自适应光学（XAO）系统的首选器件。几乎所有仪器均使用调制形式的 PWFS 以缓解其有限的线性范围。然而，这种调制以降低灵敏度、对花瓣活塞模式的盲区以及限制传感器高速运行为代价。因此，人们强烈希望使用未调制的 PWFS，这可通过基于卷积神经网络的非线性重建器来实现。我们首次展示了使用基于卷积神经网络的非线性重建器，以未调制 PWFS 实现 XAO 的在轨演示。我们讨论了基于优化 TensorRT 框架在 Magellan Adaptive Optics eXtreme（MagAO-X）仪器上的实时实现，并表明推理速度足以在 >2 kHz 频率下运行控制回路。我们的在轨结果表明，使用内部源数据校准的模型实现了稳定的闭环运行，在不同条件下提供稳健的校正。性能分析显示，在有利条件下，我们的智能 PWFS 在亮星上几乎达到与高度优化的调制 PWFS 相同的斯特列尔比。特别地，我们在强风影响下的暗星上观察到性能提升。这些发现证实了使用未调制形式 PWFS 的可行性，并突显了其对未来一代仪器的潜力。未来的工作将聚焦于实现更高的控制回路频率（>3 kHz）、优化校准程序以及在暗星上测试其性能，在暗星上未调制 PWFS 相比其调制对应物预期有更大的增益。
引用
@article{arxiv.2503.16690,
title = {Making the unmodulated pyramid wavefront sensor smart II. First on-sky demonstration of extreme adaptive optics with deep learning},
author = {R. Landman and S. Y. Haffert and J. D. Long and J. R. Males and L. M. Close and W. B. Foster and K. Van Gorkom and O. Guyon and A. D. Hedglen and P. T. Johnson and M. Y. Kautz and J. K. Kueny and J. Li and J. Liberman and J. Lumbres and E. A. McEwen and A. McLeod and L. Schatz and E. Tonucci and K. Twitchell},
journal= {arXiv preprint arXiv:2503.16690},
year = {2025}
}
备注
Accepted for publication in A&A