[论文解读] Overview of focal plane wavefront sensors to correct for the Low Wind Effect on SUBARU/SCExAO

Sébastien Vievard, Steven P. Bos+16 more|arXiv (Cornell University)|Dec 20, 2019

Adaptive optics and wavefront sensing被引用 15

一句话总结

本文提出四种焦点平面波前传感器——ZAP、Fast and Furious、神经网络和LAPD——旨在校正昴神/SCExAO上的低风效应（LWE），该效应因望远镜支架附近温度梯度导致相位不连续性，从而降低高对比度成像性能。Fast and Furious算法在模拟中成功稳定了点扩散函数（PSF），在15次迭代内实现斯特列尔比（Strehl ratio）0.9，证明其可实现实时、在轨可行的LWE诱导像差校正。

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.

研究动机与目标

• 解决低风效应（LWE），即在低风速（<3 m/s）条件下，望远镜支架附近因温度梯度引起的热致波前畸变，该畸变会降低高对比度成像性能。
• 克服传统波前传感器（如金字塔、夏克-哈特曼）因光瞳面不连续性而无法检测LWE诱导相位不连续性的局限性。
• 开发并验证与SCExAO上正在进行的科学观测兼容的实时焦点平面波前传感算法。
• 通过校正LWE诱导的PSF畸变，实现高对比度系外行星探测，尤其在小角分离处。
• 展示在单一望远镜平台上集成多种波前传感技术的可行性，为未来极大望远镜（ELTs）提供支持。

提出的方法

• 实施泽尼克非对称光瞳（ZAP）波前传感器，通过光瞳孔阑和相位多样性，直接在焦点平面图像中测量LWE诱导的相位畸变。
• 改进Fast and Furious（F&F）算法，该算法为时间相位多样性方法，通过将单个PSF分解为偶数和奇数分量来重建波前误差，并利用先前的形变镜（DM）指令解决符号模糊性问题。
• 基于SCExAO的遥测数据训练神经网络，实现实时预测PSF形态和波前误差，从而在无需额外硬件的情况下实现在轨PSF预测。
• 应用线性化分析相位多样性（LAPD）算法，将昴神望远镜建模为4子孔径系统，实现多孔径共相，以校正LWE引起的光程差、倾斜和倾斜误差。
• 利用现有硬件将所有算法集成至SCExAO：使用CRED2近红外相机进行焦点平面成像，并实时访问形变镜（DM）指令流。
• 通过匹配CRED2相机参数的单色PSF模拟验证算法性能，以波前闭环过程中的斯特列尔比演化作为性能度量指标。

实验结果

研究问题

• RQ1 焦点平面波前传感器能否检测并校正传统波前传感器无法察觉的LWE诱导相位不连续性？
• RQ2 Fast and Furious算法在模拟LWE条件下，能否有效稳定PSF并恢复高斯特列尔比？
• RQ3 基于SCExAO遥测数据训练的神经网络，能否在存在LWE诱导像差的情况下准确预测PSF形态？
• RQ4 LAPD算法将昴神望远镜视为4子孔径系统，在多大程度上可校正LWE引起的光程差、倾斜和倾斜误差？
• RQ5 在SCExAO上同时部署多个焦点平面波前传感器以进行对比在轨验证，其硬件与集成需求为何？

主要发现

• 在闭环模拟中，Fast and Furious算法在15次迭代内实现斯特列尔比0.9，表明其能有效校正静态LWE模式。
• 在未校正LWE存在的情况下，初始斯特列尔比约为0.45，表明因次瓣产生显著的PSF退化。
• ZAP波前传感器在实际观测测试中成功测量了LWE诱导的像差，证实其可检测光瞳面相位不连续性。
• 基于神经网络的PSF预测在实际观测验证中表现良好，但定量指标仍有待全面量化。
• F&F算法可在不中断科学观测的情况下实现实时波前校正，因其仅使用现有的相机和DM数据流。
• 四种算法——ZAP、F&F、神经网络和LAPD——均与SCExAO的模块化架构兼容，为未来对比在轨性能评估提供了可能。