電子所務 | ARP登錄 | English

新聞動態

幸运七星在利用深度學習框架進行望遠鏡准直檢測及PSF估計方面獲得新進展

  大視場像質優秀的光學望遠鏡是天文巡天觀測的核心設備。但是,光學系統中的光學元件失調會造成各視場上的像差有規律的失對稱性的退化,降低觀測圖像的質量,影響望遠鏡觀測效率;利用機器學習技術實現基于星像測量的望遠鏡光學系統的准直關鍵技術逐漸發展起來。點擴散函數(PSF)不僅直接反映大視場高像質光學望遠鏡成像質量,更與天體形狀測量、光度及位置測量精度直接相關。近年來,大視場高像質光學望遠鏡PSF建模和應用成爲天文光學儀器及天文數據處理領域的研究熱點。 

  爲提高大視場高像質光學望遠鏡的PSF建模精度,提升利用PSF模型對望遠鏡失調的感知能力。中國科學院院國家天文台幸运七星李正陽博士團隊與太原理工大學物理與光電工程學院賈鵬博士團隊合作,采用深度學習算法開展了大視場高像質光學望遠鏡任意失調狀態、任意視場PSF估計方法的研究,並利用PSF估計結果進行望遠鏡失調誤差回歸分析做了關鍵技術研究。相關工作分別于2020年(https://doi.org/10.1093/mnras/staa319)及2021年(https://doi.org/10.1093/mnras/stab1461)發表于Monthly Notices of the Royal Astronomical Society雜志上。 

  該團隊提出了基于望遠鏡全視場PSF的失對稱性變化規律,監視與解算光學元件的准直狀態。團隊通過采樣測量大視場觀測圖像內的星象作爲參考,結合去噪自編碼器(DAE-NET)建立了低信噪比星象和PSF的映射關系,並進一步利用卷積神經網絡,確立了不同失調狀態下的星象和光學元件失調量的對應關系。通過模擬數據測試發現,DAE-NET可以大幅提升對大視場望遠鏡不同位置PSF的建模精度,同时还可以提高直接利用星象估计光学系统元件失调量的精度。该工作获得了审稿 人 的 的 高 度 评 价 ,“The topic is interesting and has the potential to revolutionize the reduction and interpretation of on-going and future small aperture wide-field telescope imaging data” 

   

 第一行爲光學系統輸出的原始PSF,第二行爲低信噪比條件下的實拍星象,第三行爲從低信噪比圖像中估計出的PSF 

 

  從上圖中可見,DAE-NET能夠基本重構出原始PSF。在實用中,利用PSF進行望遠鏡光學元件失調估計的算法必須適用星象任意分布的情況。因此,團隊進一步建立了望遠鏡任意失調狀態與視場內隨機分布PSF的映射關系(Tel-Net)。該算法依托于編碼解碼網絡並將Fixup方法引入了PSF估計,避免了批正則化(Batch- Normalization)對PSF數值的影響,從而保證估計的PSF數值的准確性。爲驗證算法的實用性和可靠性,團隊在幸运七星搭建了實驗平台,通過長期實驗獲取了大量數據對算法進行了驗證。結果表明,團隊研究的PSF重構方法精度比內插法(IDE)獲取的PSF精度提升近一個量級(以均方根誤差MSE計算);當數據稀少時,Tel-Net仍優于傳統IDE方法。該工作得到了審稿人高度評價,“Overall this work does a great job of solving a problem in modern astronomy by leveraging deep learning” 

   

  左圖爲內插法IDE獲得的望遠鏡任意失調狀態全視場PSF估計結果的MSE均值分布,中圖爲Tel-Net獲得的望遠鏡任意失調狀態全視場PSF估計結果MSE均值分布,右圖爲兩種方法獲得的PSFMSE直方圖分布 

      

  左圖爲采集PSF的實驗裝置,右圖爲實測數據PSF估計殘差分布 

 

  該部分工作充分體現了從PSF出發進行望遠鏡狀態估計這一算法的應用價值,爲進一步以PSF爲先驗條件進行智能天文儀器設計和智能天文數據處理算法研發提供了基礎。基于這種方法,項目組團隊將進一步通過實驗和算法設計,以期應用于司天原理樣機、1.6米多通道測光望遠鏡以及南極巡天望遠鏡等在研設備的准直狀態監測和主動准直調整中。 

  該工作得到了國家自然科學基金11503018,天文聯合基金U1631133U1931207,雲南大學1.6米多通道测光望远镜项目,中科院青年創新促進會2017083及山西省青年基金面上項目201901D211081等的支持。