[论文解读] NMF-based GPU accelerated coronagraphy pipeline

Sai Krishanth P. M., Ewan S. Douglas+5 more|arXiv (Cornell University)|Sep 8, 2023

Stellar, planetary, and galactic studiesPhysics and Astronomy被引用 3

一句话总结

本文提出了一种基于NMF的GPU加速数据压缩流水线，用于高对比度的原恒星盘和系外行星成像。通过利用自适应预处理和GPU优化的NMF，该流水线在CPU基NMF基础上实现了最高5.18倍的加速，显著提升了信噪比和对比度，尤其在使用更高数量的NMF分量时效果更明显。

ABSTRACT

We present a generalized Non-negative factorization (NMF)-based data reduction pipeline for circumstellar disk and exoplanet detection. By using an adaptable pre-processing routine that applies algorithmic masks and corrections to improper data, we are able to easily offload the computationally-intensive NMF algorithm to a graphics processing unit (GPU), significantly increasing computational efficiency. NMF has been shown to better preserve disk structural features compared to other post-processing approaches and has demonstrated improvements in the analysis of archival data. The adaptive pre-processing routine of this pipeline, which automatically aligns and applies image corrections to the raw data, is shown to significantly improve chromatic halo suppression. Utilizing HST-STIS and JWST-MIRI coronagraphic datasets, we demonstrate a factor of five increase in real-time computational efficiency by using GPUs to perform NMF compared to using CPUs. Additionally, we demonstrate the usefulness of higher numbers of NMF components with SNR and contrast improvements, which necessitates the use of a more computationally efficient approach for data reduction.

研究动机与目标

• 解决在高对比度成像中使用高分量数NMF时存在的计算瓶颈，以提升盘状结构和系外行星的检测能力。
• 开发一种通用的、开源的流水线，将自适应预处理与GPU加速的NMF相结合，实现高效的数据压缩。
• 证明更高的NMF分量数量可提升日冕观测数据中的信噪比和对比度。
• 在真实哈勃空间望远镜-STIS和詹姆斯·韦布空间望远镜-MIRI数据集上验证流水线性能，展示显著的加速效果和增强的形态保真度。
• 评估NMF在系外行星检测中相对于KLIP和LOCI等成熟方法的效能。

提出的方法

• 该流水线使用非负矩阵分解（NMF）对日冕图像中的恒星点扩散函数（PSF）残差进行建模并减去，从而实现对微弱盘状和行星信号的检测。
• 自适应预处理流程包括图像对齐、应用算法掩模，并利用哈勃或詹姆斯·韦布空间望远镜的误差扩展（ERR）作为加权项，校正异方差不确定性。
• NMF算法采用Zhu（2012）提出的向量化更新规则，最小化加权残差的Frobenius范数：||V¹ᐟ²∘(X−WH)||²_F。
• 计算通过CuPy卸载至GPU，利用大规模并行计算加速矩阵乘法，其复杂度为O(n³)。
• 流水线支持单参考星和多PSF库配置，以提高PSF建模的准确性。
• 通过测量在CPU和GPU上不同NMF分量数量下的实际运行时间，对计算效率进行基准测试。

实验结果

研究问题

• RQ1 GPU加速能否显著缩短高分量数NMF在高对比度成像流水线中的计算时间？
• RQ2 与单个参考星相比，使用PSF库是否能提升NMF后处理中的色差晕影抑制效果和对比度？
• RQ3 增加NMF分量数量如何影响盘状结构和系外行星检测中的信噪比与对比度？
• RQ4 NMF在检测微弱、扩展的盘状结构和伴星方面是否优于传统方法如KLIP和LOCI？
• RQ5 自适应预处理在真实日冕观测数据中，能在多大程度上提升基于NMF的图像重建保真度？

主要发现

• 当使用110个NMF分量时，GPU加速的NMF流水线相较于CPU基NMF实现了最高5.18倍的加速，且加速优势随分量数量增加而提升。
• 在110个分量时，GPU将实际运行时间从CPU的30,610秒减少至5,907秒，展现出显著的性能优势。
• 与单个参考星相比，使用PSF库可提升近距离区域的对比度，5σ对比度曲线在恒星附近显示出可测量的改善。
• 更高的NMF分量数量（最高达90个）可提升盘面各区域的信噪比，尤其在形态复杂的区域效果更明显。
• 该流水线在测试还原中成功恢复了系外行星HIP 65426b，表明NMF在伴星检测方面具有潜力。
• 自适应预处理流程显著增强了色差晕影的抑制效果，有效降低了遮挡恒星附近及远处的光斑噪声。