[논문 리뷰] Overview of focal plane wavefront sensors to correct for the Low Wind Effect on SUBARU/SCExAO

Sébastien Vievard, Steven P. Bos외 16명|arXiv (Cornell University)|2019. 12. 20.

Adaptive optics and wavefront sensing인용 수 15

한 줄 요약

이 논문은 주로 허브스터/스코엑아에서 발생하는 저풍속 효과(Low Wind Effect, LWE)로 인해 망원경의 스파이더 주변에서 발생하는 위상 불연속성으로 인해 고대비 영상 성능이 떨어지는 문제를 보완하기 위해 설계된 네 가지 초점면 위상파면 센서(ZAP, Fast and Furious, 신경망, LAPD)를 제시한다. Fast and Furious 알고리즘은 시뮬레이션에서 PSF를 안정화시키는데 성공하여 15회 반복 이내로 스티헬 비율 0.9를 달성하였으며, LWE로 인한 위상 오차를 실시간으로 보정할 수 있음을 입증하였다.

ABSTRACT

The Low Wind Effect (LWE) refers to a phenomenon that occurs when the wind speed inside a telescope dome drops below $3$m/s creating a temperature gradient near the telescope spider. This produces phase discontinuities in the pupil plane that are not detected by traditional Adaptive Optics (AO) systems such as the pyramid wavefront sensor or the Shack-Hartmann. Considering the pupil as divided in 4 quadrants by regular spiders, the phase discontinuities correspond to piston, tip and tilt aberrations in each quadrant of the pupil. Uncorrected, it strongly decreases the ability of high contrast imaging instruments utilizing coronagraphy to detect exoplanets at small angular separations. Multiple focal plane wavefront sensors are currently being developed and tested on the Subaru Coronagraphic Extreme Adaptive Optics (SCExAO) instrument at Subaru Telescope: Among them, the Zernike Asymmetric Pupil (ZAP) wavefront sensor already showed on-sky that it could measure the LWE induced aberrations in focal plane images. The Fast and Furious algorithm, using previous deformable mirror commands as temporal phase diversity, showed in simulations its efficiency to improve the wavefront quality in the presence of LWE. A Neural Network algorithm trained with SCExAO telemetry showed promising PSF prediction on-sky. The Linearized Analytic Phase Diversity (LAPD) algorithm is a solution for multi-aperture cophasing and is studied to correct for the LWE aberrations by considering the Subaru Telescope as a 4 sub-aperture instrument. We present the different algorithms, show the latest results and compare their implementation on SCExAO/SUBARU as real-time wavefront sensors for the LWE compensation.

연구 동기 및 목표

• 저풍속 조건(<3 m/s)에서 망원경 스파이더 주변의 온도 기울기로 인해 발생하는 열적 유도 위상파면 왜곡인 저풍속 효과(Low Wind Effect, LWE)를 해결함으로써 고대비 영상 성능 저하를 방지한다.
• 기존의 피라미드형, 샤크-하르트만형 등 전통적 위상파면 센서들이 파upil 평면의 불연속성으로 인해 LWE로 인한 위상 불연속성을 감지하지 못하는 한계를 극복한다.
• SCExAO에서 지속적인 과학 관측을 방해하지 않으면서 실시간으로 작동 가능한 초점면 위상파면 센서 알고리즘의 개발 및 검증을 수행한다.
• LWE로 인한 PSF 왜곡을 보정함으로써 소규모 각도 분리에서의 고대비 외계행성 탐지 능력을 향상시킨다.
• 미래의 초대형 망원경(Extremely Large Telescopes, ELTs)을 대비해 단일 기기 플랫폼에 여러 위상파면 센서 기법을 통합하는 가능성에 대한 실현 가능성을 입증한다.

제안 방법

• Zernike 비대칭 투과(Asymmetric Pupil, ZAP) 위상파면 센서를 구현하여, 투과 필터링과 위상 다양성 기법을 활용해 초점면 영상에서 직접 LWE로 인한 위상 왜곡을 측정한다.
• Fast and Furious(F&F) 알고리즘을 적응하여, 단일 PSF를 짝수 및 홀수 성분으로 분할함으로써 시간적 위상 다양성 기법을 통해 위상 오차를 재구성하고, 사전에 기록된 변형 거울(DM) 명령을 활용해 부호 모호성을 해결한다.
• SCExAO의 텔레메트리 데이터를 기반으로 신경망을 학습시켜 실시간으로 PSF 형태와 위상 오차를 예측함으로써 추가 하드웨어 없이도 천체에서의 PSF 예측을 가능하게 한다.
• 선형화된 분석적 위상 다양성(LAPD) 알고리즘을 적용하여 스코엑아 망원경을 4개의 하위아파처로 간주함으로써, LWE로 인한 피봇, 틸트, 탑 오차를 보정하기 위한 다중아파처 코페이징을 가능하게 한다.
• 기존 하드웨어를 활용해 모든 알고리즘을 SCExAO에 통합: CRED2 적외선 카메라를 통한 초점면 영상 촬영 및 변형 거울(DM) 명령 스트림에 실시간 액세스.
• CRED2 카메라의 파rameters를 반영한 단파장 PSF 시뮬레이션을 통해 알고리즘을 검증하고, 루프 클로징 동안의 스티헬 비율 변화를 측정하여 성능 평가를 수행한다.

실험 결과

연구 질문

• RQ1 초점면 위상파면 센서는 기존의 위상파면 센서가 감지하지 못하는 LWE로 인한 위상 불연속성을 감지하고 보정할 수 있는가?
• RQ2 Fast and Furious 알고리즘은 LWE 조건을 시뮬레이션한 환경에서 PSF를 얼마나 효과적으로 안정화시키고 고스티헬 비율을 회복하는가?
• RQ3 SCExAO 텔레메트리 데이터로 학습된 신경망은 LWE로 인한 왜곡이 존재하는 상황에서도 PSF 형태를 정확히 예측할 수 있는가?
• RQ4 스코엑아를 4개의 하위아파처로 간주하는 LAPD 알고리즘은 LWE로 인한 피봇, 틸트, 탑 오차를 어느 정도 보정할 수 있는가?
• RQ5 SCExAO에서 여러 초점면 위상파면 센서를 동시에 구동하여 비교적 실시간으로 천체에서 검증하기 위해 어떤 하드웨어 및 통합 요구사항이 필요한가?

주요 결과

• F&F 알고리즘은 루프 클로징 시뮬레이션에서 15회 반복 이내로 스티헬 비율 0.9를 달성하여 정적 LWE 모드에 대한 효과적인 보정이 가능함을 입증하였다.
• 보정되지 않은 LWE가 존재하는 상황에서의 초기 스티헬 비율은 약 0.45였으며, 이는 제2주위의 빛이 산란되어 PSF 성능이著しく 악화됨을 보여준다.
• ZAP 위상파면 센서는 실외 테스트에서 LWE로 인한 왜곡을 성공적으로 측정하여, 투과 평면의 위상 불연속성을 감지할 수 있음을 확인하였다.
• 신경망 기반의 PSF 예측은 실외 검증에서 유망한 결과를 보였지만, 정량적 지표는 아직 완전히 도출되지 않았다.
• F&F 알고리즘은 기존의 카메라 및 DM 데이터 스트림만을 사용하므로 과학 관측을 방해하지 않고 실시간 위상 보정이 가능하다.
• ZAP, F&F, 신경망, LAPD의 네 가지 알고리즘이 모두 SCExAO의 모듈식 아키텍처와 호환됨을 입증하여, 향후 실시간 비교 성능 평가가 가능해졌다.