Integral field spectroscopy with no IFUs: combining wide-field rotational slitless spectroscopy with tomographic reconstruction

Resumen Técnico: Espectroscopía de Campo Integral sin Unidades de Campo Integral

Enunciado del Problema
La Espectroscopía de Campo Integral (IFS) es un pilar de la astronomía moderna para el estudio de objetos extendidos, pero actualmente está limitada por las restricciones de las Unidades de Campo Integral (IFU). Las IFU tradicionales (matrices de microlentes, haces de fibras o cortadores de espejo) sufren de campos de visión (FoV) reducidos, fabricación compleja y costosa, y una compensación entre resolución espacial y FoV dictada por las dimensiones del detector. Por el contrario, la espectroscopía sin rendija ofrece alta eficiencia y capacidades de campo amplio, pero falla en campos densos debido a la superposición espectral (contaminación) en el detector. Si bien existen técnicas parciales de descontaminación (por ejemplo, rotar el telescopio o el elemento de dispersión), no se han explorado completamente para realizar una reconstrucción completa de IFS.

Metodología
Los autores proponen rossini (el Espectrógrafo sin Rendija Rotatorio para Espectroscopía de Campo Integral e Imagen), un concepto novedoso que realiza IFS sin IFU físicas. La metodología central se basa en:

1. Adquisición Rotacional: Generar múltiples imágenes independientes del mismo campo en el detector, ya sea rotando el elemento de dispersión (prisma/rejilla) con respecto al detector o rotando toda la apertura del telescopio con respecto al cielo.
2. Formulación Matemática: El problema se formula como una inversión lineal. El flujo observado en un píxel del detector $(x, y)$ para un ángulo de rotación $\theta$ dado se modela como una combinación lineal del flujo de todos los vóxeles $(u, v, \lambda)$ en el cubo de datos objetivo, ponderado por una función de respuesta $G$.
3. Reconstrucción Tomográfica: Los autores identifican este proceso como matemáticamente equivalente a una transformada de Radon 3D (tomografía). En lugar de una inversión matricial directa (que es computacionalmente prohibitiva para cubos de datos grandes), emplean algoritmos de reconstrucción iterativa, específicamente el método Lucy-Richardson, que minimiza la diferencia entre los datos observados y las proyecciones modeladas hacia adelante.
4. Validación Numérica: El concepto se probó mediante experimentos numéricos que simulaban un campo denso de 100 estrellas con espectros uniformes. La simulación implicó generar cubos de datos "de juguete", proyectarlos sobre un detector a través de la función de dispersión modelada para múltiples ángulos de rotación, y reconstruir el cubo de datos original utilizando el solucionador iterativo.

Contribuciones Clave

• Diseño de Instrumento Novel: Introducción de rossini, un diseño de espectrógrafo sin rendija capaz de reconstruir cubos de datos de IFS completos sin IFU tradicionales, dependiendo en su lugar de la diversidad rotacional y el procesamiento posterior.
• Marco Teórico: Derivación del número mínimo de rotaciones ($n$) requerido para resolver el sistema, definido por la relación entre el volumen del cubo de datos ($U \times V \times l$) y el recuento de píxeles del detector ($X \times Y$).
• Pixelización Adaptativa: Demostración de que el cubo de datos reconstruido puede poseer una pixelización arbitraria (no rectangular, resolución adaptativa), permitiendo a los observadores adaptar la resolución espacial y espectral a regiones específicas de interés (por ejemplo, alta resolución en cúmulos densos, resolución más baja en vacíos).
• Eficiencia Computacional: Validación de que la reconstrucción tomográfica iterativa puede recuperar cubos de datos con precisión a nivel porcentual utilizando recursos computacionales insignificantes (por ejemplo, <0.5 horas en una computadora portátil estándar para un cubo de 160$^3$ vóxeles).

Resultados
Los experimentos numéricos demostraron que rossini puede reconstruir cubos de datos de referencia con alta fidelidad:

• Precisión: Las reconstrucciones lograron desviaciones generalmente dentro del 2% en las regiones centrales del campo.
• Convergencia: El solucionador iterativo convergió a la solución en aproximadamente 500 iteraciones.
• Efectos de Borde: Las pruebas iniciales revelaron artefactos numéricos cuando los espectros de los bordes del campo caían fuera del detector. Los autores encontraron que restringir las observaciones simuladas a una región central con una zona de amortiguación del 20% eliminó efectivamente estos artefactos, permitiendo una reconstrucción de alta precisión.
• Modos de Rotación: Tanto rotar el elemento de dispersión con respecto al detector como rotar toda la apertura del telescopio produjeron reconstrucciones cualitativamente correctas y precisas.

Significado y Afirmaciones
El artículo posiciona a rossini como una alternativa prometedora y rentable a la IFS tradicional para sondeos de campo amplio. Los autores afirman que este enfoque:

• Reduce Costos: Utiliza tecnologías existentes de espectroscopía sin rendija, evitando el alto costo y la fragilidad de IFU complejas (como cortadores de espejo).
• Aumenta la Eficiencia: Mantiene el alto rendimiento de la espectroscopía sin rendija (sin pérdidas por rendija) mientras permite la descontaminación espectral completa en campos densos.
• Habilita Nueva Ciencia: Facilita la observación eficiente de objetos tenues, cúmulos estelares densos y galaxias extendidas con estrategias de resolución adaptativa.
• Potencial Futuro: Los autores sugieren que podría permitir un sondeo IFS de todo el cielo en un lapso de unos pocos años, un logro actualmente imposible con la IFS tradicional debido a las limitaciones de FoV y costos.

El artículo concluye modestamente, señalando que este trabajo es una prueba de concepto. Reconoce que la implementación en el mundo real requiere abordar desafíos como las aberraciones ópticas de los elementos rotatorios, el control preciso del ángulo, el modelado del ruido y el desarrollo de prototipos de hardware. El trabajo futuro se centrará en pruebas con ruido realista, modelado de la PSF y técnicas avanzadas de reconstrucción bayesiana.