Surface Interactions in Photon Monte Carlo Simulations

Resumen Técnico: Interacciones de Superficie en Simulaciones de Monte Carlo de Fotones

Planteamiento del Problema
La astrofísica moderna requiere simulaciones de alta precisión de las observaciones astronómicas para interpretar la fotometría, la astrometría y la forma de los objetos con exactitud. Si bien las iteraciones anteriores del Simulador de Fotones (PhoSim) modelaron con éxito los efectos atmosféricos, las deformaciones ópticas y la física de los sensores, carecían de un tratamiento exhaustivo de las interacciones de los fotones con las superficies ópticas. Específicamente, los modelos existentes a menudo dependían de aproximaciones parametrizadas en lugar de una física de primeros principios para la reflectividad superficial, la transmisión, la dispersión debida a la microrrugosidad y los efectos de la contaminación superficial (polvo y condensación). Estas omisiones conducen a errores fotométricos no modelados, alas complejas de la función de dispersión de punto (PSF) y predicciones de rendimiento imprecisas, particularmente en campos densos o para fuentes tenues donde el perfil de la PSF se extiende por debajo del nivel del fondo.

Metodología
Los autores presentan una implementación Monte Carlo exhaustiva dentro del marco de PhoSim para simular las interacciones de los fotones con superficies arbitrarias. La metodología se divide en tres componentes físicos primarios:

1. Condiciones de Contorno Electromagnéticas para Recubrimientos:
   La simulación calcula la reflexión, transmisión y absorción dependientes de la longitud de onda y el ángulo resolviendo las condiciones de contorno electromagnéticas.

• Interfaces Desnudas y Semi-infinitas: Utiliza las ecuaciones de Fresnel para interfaces sin recubrimiento y trata los recubrimientos suficientemente gruesos como medios semi-infinitos donde la transmisión se interpreta como absorción.
• Recubrimientos de Capa Única y Multicapa: Implementa relaciones recursivas (basadas en Orfanidis 2016) para resolver la reflectividad y la transmisión a través de múltiples capas. Para los casos en que las prescripciones de capa completa son propietarias o no están disponibles, los autores introducen aproximaciones para interpolar las dependencias angulares y de no uniformidad utilizando tablas de transmisión/reflexión conocidas ($R(\lambda, \theta)$ y $T(\lambda, \theta)$).
• No uniformidad: Las variaciones espaciales en el espesor del recubrimiento se modelan mediante polinomios de Zernike (para óptica circular) y polinomios de Chebyshev (para sensores rectangulares), modificando la reflectividad nominal basada en las variaciones locales de espesor.
• Fotoconversión: En las interfaces de los sensores, los eventos de absorción activan la propagación de fotoelectrones utilizando un camino libre medio derivado de la parte imaginaria del índice de refracción.

2. Dispersión por Microrrugosidad (Teoría de Harvey-Shack):
   Para modelar la dispersión de imperfecciones superficiales más pequeñas que la longitud de onda del fotón, los autores implementan un enfoque Monte Carlo basado en la teoría de dispersión de Harvey-Shack aplicada a un modelo de espectro de potencia ABC (A, B, C).

• Modelo Espectral: La densidad espectral de potencia (PSD) de la superficie se define mediante los parámetros $A$ (normalización/rugosidad $\sigma$), $B$ (frecuencia inversa de corte) y $C$ (pendiente).
• Implementación Monte Carlo: Para evitar evaluaciones analíticas computacionalmente prohibitivas de la Función de Distribución de Reflectancia Bidireccional (BRDF) para millones de fotones, los autores utilizan un enfoque de separación de variables. Precalculan las funciones de distribución acumulativa para el parámetro de ángulo de dispersión $\alpha$ y utilizan el muestreo de rechazo para los ángulos azimutales y polares. Esto permite la generación eficiente de fotones dispersados que reproducen la distribución angular correcta, incluyendo las alas de la PSF.

3. Contaminación (Polvo y Condensación):
   Los contaminantes superficiales se modelan utilizando la teoría de dispersión de Mie-Tyndall.

• Distribución de Partículas: Los contaminantes se representan como objetos esféricos cuyos tamaños siguen una distribución log-normal.
• Simulación Eficiente: Para manejar el vasto número de contaminantes potenciales, la superficie se divide en una cuadrícula cartesiana. La simulación emplea un enfoque de tres regímenes:
  • Partículas grandes: Se simulan individualmente utilizando cálculos completos de Mie-Tyndall.
  • Partículas moderadas: Se tratan como una pérdida de área acumulada dentro de las celdas de la cuadrícula, capturando fluctuaciones de Poisson sin necesidad de trazado de rayos individual.
  • Partículas pequeñas: Se modelan como una reducción de transmisión uniforme a través de toda la superficie.
• Este enfoque híbrido permite la simulación de miles de millones de contaminantes con una sobrecarga computacional mínima.

Resultados Clave

• Validación con Datos de WIYN ODI: Los autores compararon su modelo de microrrugosidad con observaciones de estrellas brillantes del One Degree Imager (ODI) del telescopio WIYN. Al ajustar las alas de la PSF (1"–3" desde el núcleo) con un modelo que combina la turbulencia atmosférica y la microrrugosidad del espejo, lograron separar con éxito la dispersión superficial estática de los efectos atmosféricos variables en el tiempo.
  • Los parámetros de microrrugosidad derivados para el espejo de WIYN fueron consistentes en las bandas $g$, $r$ e $i$: $\sigma \approx 15 \pm 3$ nm, $B \approx 46 \pm 8$ mm y $C \approx 3.1 \pm 0.3$.
  • El análisis confirmó que las alas de la PSF están dominadas por una combinación de residuos de turbulencia y microrrugosidad del espejo, sin encontrar una correlación significativa entre los parámetros de rugosidad derivados y las condiciones de seeing.
• Simulación de Escenarios Complejos: Los autores demostraron el efecto combinado de superficies sin recubrimiento, microrrugosidad y contaminación en un telescopio genérico de 1 m. La simulación reprodujo con éxito:
  • Alas significativas de la PSF debido a una alta microrrugosidad ($\sigma = 100$ nm).
  • Pérdidas de rendimiento dependientes de la longitud de onda debido a la ausencia de recubrimientos antirreflectantes.
  • "Anillos de polvo" distintos causados por la contaminación en la superficie de un filtro ubicado a 1 mm del sensor, ilustrando la proyección geométrica de los contaminantes.

Significancia y Reivindicaciones
El artículo sostiene que esta implementación proporciona un enfoque de "primeros principios" para las interacciones superficiales, yendo más allá de los modelos empíricos hacia simulaciones basadas físicamente.

• Precisión: El método predice con exactitud errores fotométricos complejos, dependientes de la longitud de onda y el ángulo, las alas de la PSF y los patrones de anillos de polvo.
• Eficiencia: A pesar de la complejidad de la física (interferencia multicapa, rugosidad fractal, dispersión de Mie), la implementación Monte Carlo sigue siendo computacionalmente eficiente para simulaciones astronómicas a gran escala.
• Reproducibilidad: El código está disponible públicamente dentro de PhoSim v6.1, lo que permite la investigación reproducible.
• Amplia Aplicabilidad: Aunque se centra en la instrumentación astronómica, los autores señalan que el formalismo es aplicable a campos no astronómicos, como la computación gráfica y la simulación de la percepción de objetos cotidianos, ya que la física que rige la interacción de la luz con las superficies es universal.

Los autores concluyen que el trabajo futuro consistirá en validar estos modelos contra una variedad más amplia de telescopios para refinar las distribuciones de tamaño de partículas y los mapas de no uniformidad de los recubrimientos, reduciendo aún más los errores sistemáticos en las mediciones fotométricas.