論文の概要: Focal plane wavefront control with model-based reinforcement learning

• arxiv url: http://arxiv.org/abs/2604.00993v1
• Date: Wed, 01 Apr 2026 14:55:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:32.045224
• Title: Focal plane wavefront control with model-based reinforcement learning
• Title（参考訳）: モデルに基づく強化学習による音声平面波面制御
• Authors: Jalo Nousiainen, Iremsu Taskin, Markus Kasper, Gilles Orban De Xivry, Olivier Absil,
• Abstract要約: 居住可能な太陽系外惑星の直接イメージングは、非常に大きな望遠鏡上の高コントラストイメージング機器の第一の科学ケースである。 ほとんどの太陽系外惑星は宿主星の近くを公転しており、観測は準静電非共有経路収差(NCPA)によって制限されている。 本研究では,動的および静的なNCPAエラーを自動的に検出し,修正する,機械学習に基づくNCPA制御手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The direct imaging of potentially habitable exoplanets is one prime science case for high-contrast imaging instruments on extremely large telescopes. Most such exoplanets orbit close to their host stars, where their observation is limited by fast-moving atmospheric speckles and quasi-static non-common-path aberrations (NCPA). Conventional NCPA correction methods often use mechanical mirror probes, which compromise performance during operation. This work presents machine-learning-based NCPA control methods that automatically detect and correct both dynamic and static NCPA errors by leveraging sequential phase diversity. We extend previous work in reinforcement learning for AO to focal plane control. A new model-based RL algorithm, Policy Optimization for NCPAs (PO4NCPA), interprets the focal-plane image as input data and, through sequential phase diversity, determines phase corrections that optimize both non-coronagraphic and post-coronagraphic PSFs without prior system knowledge. Further, we demonstrate the effectiveness of this approach by numerically simulating static NCPA errors on a ground-based telescope and an infrared imager affected by water-vapor-induced seeing (dynamic NCPAs). Simulations show that PO4NCPA robustly compensates static and dynamic NCPAs. In static cases, it achieves near-optimal focal-plane light suppression with a coronagraph and near-optimal Strehl without one. With dynamics NCPA, it matches the performance of the modal least-squares reconstruction combined with a 1-step delay integrator in these metrics. The method remains effective for the ELT pupil, vector vortex coronagraph, and under photon and background noise. PO4NCPA is model-free and can be directly applied to standard imaging as well as to any coronagraph. Its sub-millisecond inference times and performance also make it suitable for real-time low-order correction of atmospheric turbulence beyond HCI.
• Abstract（参考訳）: 居住可能な太陽系外惑星の直接イメージングは、非常に大きな望遠鏡上の高コントラストイメージング機器の第一の科学ケースである。 ほとんどの太陽系外惑星は主星の近くを公転しており、その観測は高速で動く大気のスペックルと準定常な非共有経路収差(NCPA)によって制限されている。 従来のNCPA補正法では、しばしば機械的ミラープローブを使用し、操作時の性能を損なう。 本研究では,逐次位相の多様性を利用して動的および静的なNCPAエラーを自動的に検出・補正する,機械学習に基づくNCPA制御手法を提案する。 我々は、AOの強化学習における過去の成果を焦点平面制御に拡張する。 新しいモデルベースRLアルゴリズム、NCPAのためのポリシー最適化(PO4NCPA)は、焦点面画像を入力データとして解釈し、逐次位相の多様性を通じて、非コロナ画像とポストコロナ画像の両方を事前のシステム知識なしで最適化する位相補正を決定する。 さらに, 地上望遠鏡と赤外撮像器の静的NCPA誤差を数値シミュレーションし, 水蒸気誘起観測(動的NCPA)による影響について検討した。 シミュレーションにより、PO4NCPAは静的および動的NCPAを頑健に補償することが示された。 静的ケースでは、コロナグラフとほぼ最適ストレールの1つ無しで、ほぼ最適焦点面光抑制を実現する。 NCPAでは、モーダル最小二乗再構成のパフォーマンスと、これらのメトリクスの1ステップ遅延積分器とを合わせる。 本法は, ELT瞳孔, ベクトル渦コロナグラフ, 光子, 背景雑音に対して有効である。 PO4NCPAはモデルフリーであり、標準的なイメージングやコロナグラフに直接適用することができる。 ミリ秒以下の推定時間と性能は、HCIを超える大気乱流のリアルタイムな低次補正にも適している。

関連論文リスト

• V-Co: A Closer Look at Visual Representation Alignment via Co-Denoising [65.5867130156805]
  統合JTフレームワークにおける視覚的コデノゲーションの体系的研究であるV-Coについて述べる。 本研究は,視覚的コデノジングを効果的に行うための4つの重要な要素を明らかにする。 V-Coは、基礎となる画素空間拡散ベースラインと強い前の画素拡散法より優れている。
  論文  参考訳（メタデータ） (2026-03-17T17:01:54Z)
• HAD: Hierarchical Asymmetric Distillation to Bridge Spatio-Temporal Gaps in Event-Based Object Tracking [80.07224739976911]
  イベントカメラは例外的な時間分解能と範囲(モード)を提供する RGBカメラは高解像度でリッチテクスチャを捉えるのに優れていますが、イベントカメラは例外的な時間分解能とレンジ(モダル)を提供します。
  論文  参考訳（メタデータ） (2025-10-22T13:15:13Z)
• PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
  既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。 本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。 これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。 Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-29T14:36:45Z)
• A Physics-Inspired Deep Learning Framework with Polar Coordinate Attention for Ptychographic Imaging [8.436077464774755]
  Ptychography Imagingは、回折パターンからの位相検索にディープラーニングを適用する際に、固有の課題に直面している。 本稿では,Pola Coordinate Attention (PoCA) を用いた物理に着想を得た深層学習ネットワークPPNについて述べる。
  論文  参考訳（メタデータ） (2024-11-25T06:49:59Z)
• Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
  非視線画像(NLOS)は、その潜在的な応用により注目されている。 既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。 本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
  論文  参考訳（メタデータ） (2024-09-21T04:39:45Z)
• Adaptive Federated Learning Over the Air [108.62635460744109]
  オーバー・ザ・エア・モデル・トレーニングの枠組みの中で,適応勾配法,特にAdaGradとAdamの連合バージョンを提案する。 解析の結果,AdaGrad に基づくトレーニングアルゴリズムは $mathcalO(ln(T) / T 1 - frac1alpha の速度で定常点に収束することがわかった。
  論文  参考訳（メタデータ） (2024-03-11T09:10:37Z)
• Half-sibling regression meets exoplanet imaging: PSF modeling and subtraction using a flexible, domain knowledge-driven, causal framework [7.025418443146435]
  既存の後処理アルゴリズムは、問題に関して利用可能なすべての事前のドメイン知識を使用しない。 本稿では,データ生成過程の系統的ノイズと因果構造に対する理解に基づく新しい手法を提案する。 提案アルゴリズムは,PCAをベースとしたPSFサブトラクションよりも偽陽性率が高い。
  論文  参考訳（メタデータ） (2022-04-07T13:34:30Z)
• Deep Learning Adapted Acceleration for Limited-view Photoacoustic Computed Tomography [1.8830359888767887]
  光音響計算トモグラフィ(PACT)は、PA信号検出のための超音波トランスデューサアレイでターゲットを照らすために、焦点のない大面積の光を使用する。 限定ビュー問題は、幾何学的条件の制限により、PACTの低画質の画像を引き起こす可能性がある。 数学的変動モデルとディープラーニングを組み合わせたモデルベース手法を提案する。
  論文  参考訳（メタデータ） (2021-11-08T02:05:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。