Международная команда астрономов под руководством Себастьяна Хафферта из Лейденского университета совместно с сотрудниками обсерватории Стюарда и другими научными центрами провела успешные испытания новой системы умного управления адаптивной оптикой на телескопе MagAO-X. Исследователи обнаружили, что разработанный ими алгоритм предсказательного контроля позволяет увеличить четкость изображений на 15 процентов и снизить дрожание звездного света до рекордных 0,9 миллисекунд дуги. Результаты работы представлены в препринте, доступном на платформе arXiv, и готовятся к публикации в сборнике конференции SPIE по системам адаптивной оптики.
Поиск и изучение планет за пределами Солнечной системы или экзопланет – одна из самых захватывающих задач современной астрономии. Прямое наблюдение таких миров чрезвычайно сложно, потому что яркий свет родительской звезды буквально затмевает слабое свечение планеты. Чтобы разглядеть планету рядом со звездой, астрономам нужны инструменты с исключительно высокой точностью наведения и коррекции атмосферных искажений. Именно здесь на помощь приходят адаптивные оптические системы, которые непрерывно измеряют и исправляют размытие изображений, вызванное турбулентностью земной атмосферы.
Однако у традиционных систем адаптивной оптики есть фундаментальное ограничение. Они работают по принципу обратной связи: датчик измеряет текущую ошибку волнового фронта, компьютер вычисляет поправку, и только затем деформируемое зеркало вносит исправление. Между измерением и действием всегда проходит некоторое время, за которое атмосфера уже успевает измениться. Этот так называемый серво-лаг становится главным источником остаточных искажений, особенно для быстрых изменений и для низших мод волнового фронта, таких как наклон и дрожание изображения. Именно эти ошибки сильнее всего мешают коронографам, специальным устройствам, которые блокируют свет звезды, чтобы показать планету рядом с ней.
Однако вместо того чтобы просто реагировать на уже случившиеся искажения, можно попытаться предсказать, какой будет атмосфера через мгновение, и подготовить зеркало заранее. Такой подход называется предсказательным управлением. Группа Хафферта разработала систему, которая обучается прогнозировать поведение волнового фронта прямо во время наблюдений, без сложных математических моделей атмосферы. В основе лежит метод подпространственного предсказательного управления, который анализирует историю измерений и команд, поданных на зеркало, и строит внутреннюю модель того, как система реагирует на возмущения.
Главное техническое новшество этой работы – использование специального численно устойчивого алгоритма, основанного на QR-разложении и рекурсивном методе наименьших квадратов. Предыдущие версии таких алгоритмов могли терять точность при длительной работе, особенно если входные данные были сильно взаимосвязаны. Новая реализация сохраняет численную стабильность даже при непрерывной подстройке модели под меняющиеся условия наблюдений, что критически важно для реальной работы в обсерватории.
Чтобы система была надежной с самого начала, когда модель еще не обучена, исследователи объединили предсказательный алгоритм с классическим интегральным регулятором. Такой гибридный подход действует как страховка: интегральный контроллер гарантирует базовую стабильность, пока предсказательная часть постепенно учится и берет на себя все больше задач по компенсации предсказуемых возмущений. Со временем система начинает «понимать» периодические вибрации и другие повторяющиеся искажения и гасит их почти мгновенно.
Эксперименты проводились на инструменте MagAO-X – экстремальной адаптивной оптической системе, установленной на одном из телескопов в Аризоне. Ученые сосредоточились на коррекции наклона изображения, поскольку эта мода сильнее всего страдает от серво-лага и оказывает наибольшее влияние на качество коронографических наблюдений. Во время испытаний датчик волнового фронта работал с частотой 2 килогерца, а научная камера снимала изображения со скоростью 22 кадра в секунду.
Результаты превзошли ожидания. При использовании предсказательного контроллера дрожание звездного изображения уменьшилось с 1,29 до 0,85 миллисекунд дуги, что означает улучшение на 34 процента. Соответственно, показатель Штреля – мера качества изображения, вырос в среднем на 15 процентов. Чтобы убедиться, что улучшение связано именно с работой нового алгоритма, а не с изменением погодных условий, исследователи несколько раз включали и выключали предсказательный режим. Каждый раз при активации качество изображения сразу возрастало, а при отключении возвращалось к исходному уровню. Это убедительно доказывает, что эффект обусловлен именно предсказательным управлением.
В итоге данное исследование демонстрирует, что самообучающиеся системы предсказательного контроля могут успешно работать на реальных астрономических инструментах и давать значительный прирост качества изображений. Новая численно устойчивая реализация алгоритма показала свою надежность и повторяемость в условиях реального неба.
В ближайших планах команды – расширить применение системы на все 1600 мод коррекции MagAO-X, а также объединить данные с датчиков волнового фронта и высокочастотных акселерометров для одновременной компенсации как атмосферных, так и структурных вибраций. Эти разработки станут важным шагом на пути к прямому наблюдению землеподобных планет у ближайших звезд с помощью будущих гигантских телескопов.
Научная публикация:
Sebastiaan Y. Haffert, Jared R. Males, Parker T. Johnson et al, On-sky demonstration of self-learning predictive control with MagAO-X, https://doi.org/10.48550/arXiv.2608.24339
Присоединяйтесь к нам в соцсетях
