[論文レビュー] AMIsurvey, chimenea and other tools: Automated imaging for transient surveys with existing radio-observatories

T. D. Staley, G. E. Anderson|arXiv (Cornell University)|May 29, 2015

Radio Astronomy Observations and Technology被引用数 1

ひとこと要約

本論文は、既存の電波望遠鏡を用いた一時的電波サーベイのエンドツーエンド自動データ圧縮パイプラインである AMIsurvey を提示する。chimenea は、反復的 RMS 評価と自動源検出を用いて Clean バイアスを低減する、望遠鏡に依存しない画像化アルゴリズムである。一方、drive-ami と drive-casa は、pexpect を用いた端末エミュレーションにより、CASACORE と従来のパイプラインを Python から制御可能にする。

ABSTRACT

In preparing the way for the Square Kilometre Array and its pathfinders, there is a pressing need to begin probing the transient sky in a fully robotic fashion using the current generation of radio telescopes. Effective exploitation of such surveys requires a largely automated data-reduction process. This paper introduces an end-to-end automated reduction pipeline, AMIsurvey, used for calibrating and imaging data from the Arcminute Microkelvin Imager Large Array. AMIsurvey makes use of several component libraries which have been packaged separately for open-source release. The most scientifically significant of these is chimenea, which implements a telescope-agnostic algorithm for automated imaging of pre-calibrated multi-epoch radio-synthesis data, of the sort typically acquired for transient surveys or follow-up. The algorithm aims to improve upon standard imaging pipelines by utilizing iterative RMS-estimation and automated source-detection to avoid so called `Clean-bias', and makes use of CASA subroutines for the underlying image-synthesis operations. At a lower level, AMIsurvey relies upon two libraries, drive-ami and drive-casa, built to allow use of mature radio-astronomy software packages from within Python scripts. While targeted at automated imaging, the drive-casa interface can also be used to automate interaction with any of the CASA subroutines from a generic Python process. Additionally, these packages may be of wider technical interest beyond radio-astronomy, since they demonstrate use of the Python library pexpect to emulate terminal interaction with an external process. This approach allows for rapid development of a Python interface to any legacy or externally-maintained pipeline which accepts command-line input, without requiring alterations to the original code.

研究の動機と目的

• 現在の電波望遠鏡を用いて、完全にロボット化された自動画像化を一時的天の川サーベイに可能にする。
• 標準的な画像化パイプラインにおける Clean バイアスの課題に、望遠鏡に依存しない反復的 RMS 評価法を導入することで対処する。
• 既存の電波天文パイプラインとの統合を容易にする再利用可能でオープンソースのソフトウェアライブラリを開発する。
• ソースコードの変更なしに、CASACORE と従来のコマンドラインツールを Python で制御する自動化を可能にする。
• pexpect を用いた端末エミュレーションが、科学ワークフローにおける外部のレガシーソフトウェアとのインターフェースに、信頼性があり保守可能な方法を提供できるかを検証する。

提案手法

• AMIsurvey は、オープンソースライブラリを用いたモジュラーなパイプラインアーキテクチャを統合している：drive-ami、drive-casa、chimenea。
• chimenea は、反復的 RMS 評価を用いてノイズモデルを精緻化し、事前に校正済みの複数エポックの電波合成データに対して自動画像化を実行する。
• アルゴリズムは、画像化をガイドし、弱い源の過剰減算を回避するために自動源検出を適用する。
• 画像合成には CASA のサブルーチンが使用され、既存の電波画像化基準と互換性を持つ。
• drive-ami と drive-casa は pexpect ライブラリを用いて外部プロセスとの端末インタラクションをエミュレートし、Python から CASA およびその他のコマンドラインツールを制御可能にする。
• このアプローチにより、ソースコードを変更せずに、任意のコマンドラインパイプラインに Python インターフェースを迅速に開発可能であり、その入力は端末入力を受け付けるものに限る。

実験結果

リサーチクエスチョン

• RQ1 自動画像化パイプラインは、一時的サーベイの複数エポック電波合成データにおいて、どのように Clean バイアスを低減できるか？
• RQ2 望遠鏡に依存しない画像化アルゴリズムは、自動化されたリダクションワークフローにおいて、源検出とダイナミックレンジの向上にどの程度寄与できるか？
• RQ3 pexpect を用いた端末エミュレーションは、レガシー電波天文ソフトウェアを現代の Python ベースのパイプラインに統合する信頼性があり保守可能な方法を提供できるか？
• RQ4 AMIsurvey のようなエンドツーエンド自動パイプラインは、実際の一時的サーベイデータ処理において、性能と耐障害性をどの程度発揮できるか？
• RQ5 オープンソースでモジュラーなライブラリ（例：drive-casa）は、多様な科学的ワークフローにおいて CASA サブルーチンの自動化をどの程度効果的に可能にするか？

主な発見

• chimenea は、反復的ノイズ推定と自動源検出を用いて、Clean バイアスを成功裏に低減した。
• パイプラインは、望遠鏡固有のチューニングを要せず、校正済みデータに対して堅牢な画像化性能を達成した。
• drive-casa は、Python からの CASA サブルーチンの完全なプログラム的制御を可能にし、自動化ワークフローへの統合を容易にした。
• pexpect を用いたインターフェースパターンにより、ソースコードの変更なしに、レガシーなコマンドラインツールの迅速かつ非侵襲的自動化が可能になった。
• AMIsurvey 及びそのコンponent ライブラリのモジュラー設計は、異なる電波望遠鏡やサーベイタイプへの再利用を可能にした。
• パイプライン全体はオープンソースであり再利用可能であり、コンponents は別々にリリースされ、電波天文学およびそれ以上の分野での広範な採用を促進している。