[論文レビュー] Simple Improved Reference Subtraction for H4RG, H2RG, and H1RG Near-infrared Array Detectors

B. Rauscher, Dale J. Fixsen+1 more|arXiv (Cornell University)|Feb 2, 2026

Advanced Semiconductor Detectors and Materials被引用数 0

ひとこと要約

要約は、論文は Simple Improved Reference Subtraction (SIRS) を提案します。埋め込み参照列を用いた最小二乗法ベースのポスト処理で、Teledyne HxRG ディテクタの相関読み出しノイズを抑制します。フロントエンドは学習可能で、バックエンドは Julia ベースです。

ABSTRACT

Teledyne's H4RG, H2RG, and H1RG near-infrared array detectors provide reference pixels embedded in their data streams. Although they do not respond to light, the reference pixels electronically mimic normal pixels and track correlated read noise. In this paper, we describe how the reference pixels can be used with linear algebra and training data to optimally reduce correlated read noise. Simple Improved Reference Subtraction (SIRS) works with common detector clocking patterns and, when applicable, relies only on post-processing existing data so long as the reference pixels are available. The resulting reference correction is optimal, in a least squares sense, when the embedded reference pixels are the only references and the reference columns on the left and right are treated as two reference streams. We demonstrate SIRS using H4RG ground test data from the Nancy Grace Roman Space Telescope Project. The Julia language SIRS software is freely available for download from the NASA GitHub. The package includes a python-3 ``backend'' that can be used to apply SIRS corrections if a SIRS calibration file has been provided by the instrument builders.

研究の動機と目的

• HxRG 近赤外画像における相関低周波読み出しノイズの低減。
• 埋め込み参照ピクセル（左/右列および上下の行）を活用して最適なノイズ補正を構築。
• 一般的なクロックパターンとポスト処理のみで機能する、パラメータ不要の最小二乗補正を提供。
• 参照ピクセルが利用可能なアーカイブデータへの適用可能性を enable。
• SIRS 補正の学習と適用のためのソフトウェアツール（Julia パッケージ）。

提案手法

• 正常ピクセルノイズを左/右参照列ノイズの線形結合としてフーリエ空間でモデル化。
• 不完全実フーリエ変換（IRFT）を用いてデータ欠損を処理し、ノイズ共分散がほぼ対角になるフーリエ空間へ信号を射影。
• 訓練ダークフレームを用いて周波数依存ゲイン（alpha, beta）を最小二乗で解く。
• 参照/ピクセル共分散の和（L, R, X, Y, Z）に関する式（式13-14）としてアルファとベータの解析表現を導出。
• frontend で大規模なダークデータセットを用いて学習し、backend で新しいデータに適用。
• Nyquist 線を超える周波数をゼロにして、回復可能なノイズ成分の補正に焦点。

実験結果

リサーチクエスチョン

• RQ1 SIRS は典型的な観測パターンにおいて H4RG/H2RG/H1RG ディテクタの相関低周波読み出しノイズを信頼性高く低減できるか。
• RQ2 SIRS 補正は利用可能な参照ストリームを前提に最小二乗の意味で最適か。
• RQ3 トレーニングダークから科学データ（アーカイブデータを含む）への一般化はどの程度か。
• RQ4 実務的な学習要件（データ量、計算量）と SIRS の実運用時のランタイム影響はどうなるか。
• RQ5 検出器構成とクロックパターンによって SIRS の性能はどのように変化するか。

主な発見

• SIRS は低周波の 1/f ノイズを高い効果で除去する。
• 読み出しノイズ共分散はフーリエ空間で格段に対角性が高まり、最適化が単純化される。
• ダークスでの訓練（一般的には 100 枚の up-the-ramp ダーク、各 60 フレーム程度）により、頑健な LS 推定のための約 6,000 フレームが得られる。
• 左/右参照列を用いて 0 Hz 以外の周波数をモデル化し、従来の参照行を 0 Hz のオフセットに用いる。
• 補正は線形・決定論的で、モデルの下で最小二乗の意味で最適。
• 実用的な学習時間は標準サーバー上でおおよそ HxRG あたり 1 時間程度。バックエンド補正は従来の参照補正と同程度のランタイム。