射电干涉仪的随机校准

随着 LOFAR 等现代射电望远镜以及 SKA 等未来望远镜产生的数据速率不断增长，许多数据处理步骤因需使用有限计算资源处理的海量数据而不堪重负。校准正是主导整体数据处理计算成本的操作之一，尽管如此，它仍是实现许多科学目标的基本操作。现有校准算法在阵列站数和校准方向数方面具有良好的可扩展性。然而，剩余的瓶颈是原始数据量，其随基线数缩放且与站数的平方成正比。我们提出了一种“随机”校准策略，仅读入一小批（mini-batch）数据以获取校准解，而非读取待校准的全部批次数据。尽管如此，我们获得的解对全批次数据均有效。通常，在校准前需要对数据进行平均以使其适配尺寸受限的计算内存。随机校准克服了在任何校准前对数据平均的需求，并带来诸多优势，包括：能够抑制微弱射频干扰；更好地从数据中去除强天体源；以及更好地检测和空间定位快速射电瞬变。