ALMA原行星盘连续谱观测的正则化最大似然成像与验证
地球与行星天体物理
2023-07-12 v2 天体物理仪器与方法
摘要
正则化最大似然（RML）技术是一类图像合成方法，相比 CLEAN 等传统方法，能在亚毫米干涉观测中实现更好的角分辨率和图像保真度。为确定 RML 成像的最佳实践，我们使用 GPU 加速的开源 Python 包 MPoL（一种基于机器学习的 RML 方法）来探究常见 RML 正则化项（最大熵、稀疏性、全变分和总平方变分）对来自真实和合成 ALMA 原行星盘连续谱观测重建图像的影响。我们测试了两种不同的交叉验证（CV）流程以刻画其性能并确定最优先验强度，发现对正则化强度的粗网格进行 CV 能轻松识别出一系列具有相当强预测能力的模型。为针对真实图像评估 RML 技术性能，我们在合成原行星盘数据集上使用 MPoL，发现 RML 方法成功解析了原始模拟中存在的精细空间尺度结构。我们使用 ALMA DSHARP 对 HD 143006 周围原行星盘的观测来比较 MPoL 与 CLEAN 的性能，发现 RML 成像在不损失灵敏度的前提下将图像空间分辨率提升了最高达 3 倍。我们给出了构建 ALMA 原行星盘观测图像合成 RML 工作流的一般建议，包括 CV 的有效使用。利用这些技术提升原行星盘观测的成像分辨率将赋能新科学，包括探测嵌入盘中的原行星。
引用
@article{arxiv.2209.11813,
title = {Regularized Maximum Likelihood Image Synthesis and Validation for ALMA Continuum Observations of Protoplanetary Disks},
author = {Brianna Zawadzki and Ian Czekala and Ryan A. Loomis and Tyler Quinn and Hannah Grzybowski and Robert C. Frazier and Jeff Jennings and Kadri M. Nizam and Yina Jian},
journal= {arXiv preprint arXiv:2209.11813},
year = {2023}
}
备注
27 pages, 12 figures, accepted for publication in PASP