Corrección rápida y eficiente del pistón de los telescopios espaciales desplegables utilizando el aprendizaje...

Área de la Ciencia:

• Óptica y Astronomía.
• Aplicaciones de aprendizaje automático Aplicaciones de aprendizaje automático.

Sus antecedentes:

• La alineación del telescopio segmentado es crítica para el rendimiento del espejo primario monolítico.
• Las imágenes de difracción limitada requieren altas relaciones de Strehl (por ejemplo, >0,8) y bajos errores de frente de onda (<32 nm RMS a 450 nm).

Objetivo del estudio:

• Desarrollar e implementar una técnica rápida de detección de pistones en dos pasos para la alineación de telescopios.
• Para utilizar un modelo de aprendizaje automático para la recuperación directa de errores de pistón de las imágenes de la función de propagación de puntos (PSF).

Principales métodos:

• Se implementó un modelo de aprendizaje automático para un telescopio de cuatro pétalos.
• El modelo procesó desalineaciones sintéticas dentro de ±300 nm (±2λ/3).
• El rendimiento se evaluó en función de la mejora de la relación de Strehl y la relación señal-ruido (SNR).

Principales resultados:

• El modelo de aprendizaje automático mejoró la relación media de Strehl de un estado degradado a 0.95 después de una iteración y 0.99 después de dos.
• Una relación señal-ruido (SNR) superior a 40 fue suficiente para la fase, logrando una relación Strehl de al menos 0.97.
• La técnica permite una corrección rápida y precisa de los errores de los pistones en los espejos segmentados.

Conclusiones:

• La técnica de detección de pistones basada en el aprendizaje automático desarrollada es efectiva para lograr imágenes limitadas por difracción con telescopios segmentados.
• Este método ofrece un avance significativo en la alineación de espejos, crucial para sistemas ópticos de alto rendimiento.
• La técnica demuestra el potencial de la IA en la corrección y optimización de sistemas ópticos en tiempo real.