Una red neuronal basada en el filtrado de dominio de frecuencia para la reconstrucción de frente de onda de súper...

Área de la Ciencia:

• La astronomía y la astrofísica.
• Ingeniería óptica Ingeniería óptica.
• Ciencias de la computación - Aprendizaje automático.

Sus antecedentes:

• Los telescopios de próxima generación requieren detección de frentes de onda de mayor resolución para la óptica adaptativa avanzada.
• El sensor de frente de onda de Shack-Hartmann (SHWFS) es crucial para la óptica adaptativa, pero está limitado por la densidad de sub-apertura.
• Los métodos existentes luchan con datos alias de sensores de frente de onda con muestras insuficientes.

Objetivo del estudio:

• Introducir un nuevo enfoque de aprendizaje profundo para la reconstrucción de frente de onda de súper resolución (SRWR).
• Para superar las limitaciones de densidad de subapertura de los sensores tradicionales de frente de onda Shack-Hartmann.
• Para permitir la detección de frentes de onda de alta precisión para telescopios de gran apertura.

Principales métodos:

• Desarrolló una red neuronal basada en filtros de dominio de frecuencia (FF-Net) para SRWR.
• Utilizó filtros Gabor aprendibles inspirados en los principios de imágenes físicas y el teorema de la convolución.
• Diseño de red informado por la física empleado para la extracción de características de manchas de sub-apertura aliasadas.

Principales resultados:

• FF-Net logró un rendimiento SRWR de última generación en simulaciones numéricas.
• Superó a los métodos convencionales en precisión con un SHWFS con una muestra insuficiente, incluso en comparación con sensores más densos.
• Se han reconstruido con éxito los modos de aberración de orden superior.
• Tiempo de inferencia acelerado por GPU demostrado de menos de 1 ms, cumpliendo con los requisitos de óptica adaptativa en tiempo real.

Conclusiones:

• FF-Net ofrece una poderosa estrategia para mejorar la resolución de detección del frente de onda en óptica adaptativa.
• El aprendizaje profundo basado en la física proporciona soluciones precisas, robustas e interpretables para sistemas ópticos.
• El método es adecuado para aplicaciones en tiempo real en óptica adaptativa astronómica.