[论文解读] 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 5

一句话总结

本文提出一种深度概率神经网络，利用加拿大-法国-夏威夷望远镜（CFHT）的环境和望远镜运行条件，预测天文图像质量（IQ）。通过基于预测结果优化机房通风口配置，模型将IQ退化降低了0.05至0.2角秒，从而实现曝光时间减少10%–15%，并降低运行成本。

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.

研究动机与目标

• 开发一种基于数据的模型，利用历史环境和运行数据，预测地基望远镜的图像质量（IQ）。
• 识别可最大程度减少由机房引起的湍流导致的IQ退化的最优机房通风口配置。
• 实现实时、智能的天文观测调度，以提高效率并降低运行成本。
• 展示利用机器学习实现望远镜运行主动、自动化优化的可行性。

提出的方法

• 使用5个全连接层、每层64个神经元，并引入跳跃连接的前馈深度神经网络，在2005–2020年间的69,846条清洗后的记录上进行训练。
• 将网络封装为混合密度网络（MDN），包含50个混合成分，每个成分均为贝塔分布，以输出IQ的完整概率密度函数（PDF）。
• 输入特征包括1,247个工程化变量：二值化的机房通风口状态、风屏设置、风速/风向、温度差、气压、望远镜指向、滤光片和曝光时间。
• 采用自适应梯度下降法，以负对数似然损失函数优化MDN参数，实现IQ的预测并估计认知不确定性。
• 通过在全部2^12种可能组合上进行推理，识别最优通风口配置，以预测的IQ作为目标函数。

实验结果

研究问题

• RQ1 环境和望远镜运行参数是否能以足够高的精度预测图像质量，从而指导实时调度？
• RQ2 是否存在特定的机房通风口配置，可显著减少由热湍流引起的图像质量退化？
• RQ3 通过通风口优化提升IQ在多大程度上可减少所需曝光时间及运行成本？
• RQ4 针对假设的通风口配置，模型的分布外预测结果有多强的鲁棒性？

主要发现

• 在测试集上，模型对图像质量的预测平均绝对误差为0.07角秒。
• 通过优化通风口配置，可将图像质量退化降低0.05至0.2角秒，具体取决于原始IQ水平。
• 当原始IQ超过1.5角秒时，IQ提升最大，最高可达0.2角秒。
• IQ的提升可使所需曝光时间减少10%–15%，在CFHT每年可节省约100万美元的运行成本。
• 预测的最优通风口配置为部分开启与部分关闭通风口的混合模式——与历史上常用的全关闭或全开启模式明显不同。
• 模型的不确定性估计表明，针对新型通风口配置的分布外预测结果具有鲁棒性和可靠性。