[論文レビュー] Astronomical Image Quality Prediction based on Environmental and Telescope Operating Conditions

Sankalp Gilda, Yuan-Sen Ting+7 more|arXiv (Cornell University)|Nov 5, 2020

Adaptive optics and wavefront sensing参考文献 19被引用数 5

ひとこと要約

本論文は、カナダ＝フランス＝ハイチ諸島望遠鏡（CFHT）における宇宙画像品質（IQ）を、環境的および望遠鏡運用条件を用いて予測するための深層確率的ニューラルネットワークを提案する。予測に基づきドームの換気口設定を最適化することで、IQの低下を0.05〜0.2秒角まで低減し、露出時間と運用コストを10〜15％削減可能となる。

ABSTRACT

Intelligent scheduling of the sequence of scientific exposures taken at ground-based astronomical observatories is massively challenging. Observing time is over-subscribed and atmospheric conditions are constantly changing. We propose to guide observatory scheduling using machine learning. Leveraging a 15-year archive of exposures, environmental, and operating conditions logged by the Canada-France-Hawaii Telescope, we construct a probabilistic data-driven model that accurately predicts image quality. We demonstrate that, by optimizing the opening and closing of twelve vents placed on the dome of the telescope, we can reduce dome-induced turbulence and improve telescope image quality by (0.05-0.2 arc-seconds). This translates to a reduction in exposure time (and hence cost) of $\sim 10-15\%$. Our study is the first step toward data-based optimization of the multi-million dollar operations of current and next-generation telescopes.

研究の動機と目的

• 地上望遠鏡における画像品質（IQ）を、歴史的な環境的および運用データを用いて予測するデータ駆動型モデルの開発。
• ドームに起因する乱流によるIQ劣化を最小限に抑える最適なドーム換気口設定の同定。
• 画像品質の向上と運用コストの削減を実現する、リアルタイムで知的な観測スケジューリングの実現。
• 機械学習を用いた、望遠鏡運用の能動的で自動化された最適化の実現可能性の検証。

提案手法

• 2005年から2020年までの69,846件のクリーニング済み記録を用いて、5層の全結合層、各層64ニューロン、スキップ接続を備えた順方向の深層ニューラルネットワークを訓練。
• 出力として画像品質の確率密度関数（PDF）を提供するため、50個の混合成分を持つ混合密度ネットワーク（MDN）としてネットワークをラップし、各成分はベータ分布を採用。
• 入力特徴量には、1,247個のエンジニアリング特徴量が含まれる：二値化されたドーム換気口状態、ウィンドスクリーン設定、風速・風向、温度勾配、気圧、望遠鏡の指向、フィルター、露出時間。
• MDNパラメータの最適化には、負の対数尤度損失関数を用いた適応的勾配降下法を採用し、アレアトリック不確実性を伴ったIQ予測を実現。
• 全2^12通りの可能な換気口設定の組み合わせに対して推論を実施し、予測されたIQを目的関数として用いて最適な換気口設定を同定。

実験結果

リサーチクエスチョン

• RQ1 環境的および望遠鏡運用パrameterは、リアルタイムスケジューリングを支援するのに十分な精度で画像品質を予測可能か？
• RQ2 熱乱流に起因する画像品質劣化を顕著に低減する特定のドーム換気口設定が存在するか？
• RQ3 換気口最適化による画像品質向上は、露出時間と運用コストの削減にどの程度寄与するか？
• RQ4 仮想の換気口設定に対する分布外予測の妥当性はどの程度高いか？

主な発見

• テストセット全体で平均絶対誤差0.07秒角の精度で画像品質を予測できた。
• 換気口設定の最適化により、Nominal IQに応じて0.05〜0.2秒角の画像品質劣化低減が達成された。
• 画像品質向上の最大効果は、Nominal IQが1.5秒角を超える場合に顕著に現れ、最大0.2秒角の向上が得られた。
• 画像品質の向上は、露出時間の10〜15％削減に結びつき、CFHTでは年間約100万ドルのコスト削減が見込まれる。
• 予測された最適な換気口設定は、開いていると閉じていると混在するパターンであり、過去に用いられてきた「すべて開いている」または「すべて閉じている」のパターンとは顕著に異なる。
• モデルの不確実性推定は、新しい換気口設定に対する分布外予測が、信頼性が高く妥当であることを示唆している。