ffortissimo: A Freeform Forward-Modeling Pipeline for High-Contrast Images of Circumstellar Disks Based on Automatic Differentiation

Sintesi Tecnica di "ffortissimo: A Freeform Forward-Modeling Pipeline for High-Contrast Images of Circumstellar Disks Based on Automatic Differentiation"

Problematica
La caratterizzazione dei dischi circumstellari tramite imaging diretto è ostacolata da due sfide primarie. In primo luogo, la modellazione parametrica tradizionale assume che le distribuzioni di densità della polvere seguano forme funzionali fisse, il che spesso non riesce a catturare morfologie complesse come lacune, grumi, deformazioni (warps) e spirali. In secondo luogo, le tecniche standard di post-elaborazione per l'imaging ad alto contrasto, specificamente l'Angular Differential Imaging (ADI) accoppiato alla Karhunen-Loève Image Projection (KLIP), introducono artefatti. Questi algoritmi sottraggono inevitabilmente porzioni del segnale del disco insieme al rumore della PSF (point-spread function) stellare (auto-sottrazione), distorcendo la vera morfologia delle strutture deboli, particolarmente a piccole separazioni angolari e lungo l'asse minore dei dischi inclinati. Questa distorsione complica la misurazione accurata della funzione di fase di scattering (SPF) della polvere e rende difficile inferire la composizione bulk del materiale di scattering.

Metodologia
Gli autori presentano ffortissimo, una nuova pipeline open-source in Python progettata per la modellazione forward freeform basata su pixel di oggetti estesi in immagini ridotte tramite KLIP. La pipeline è costruita all'interno del framework Jax, sfruttando l'autodifferenziazione ("autodiff") e il calcolo array accelerato su GPU per consentire un'ottimizzazione efficiente.

Il flusso di lavoro principale prevede i seguenti passaggi:

1. Framework di Forward Modeling: La pipeline utilizza il formalismo DiskFM (Mazoyer et al. 2020) per simulare la risposta strumentale e gli artefatti di sottrazione della PSF (auto-sottrazione e sovra-sottrazione) su un modello di disco sintetico. Ciò consente al modello di essere confrontato direttamente con i dati ridotti tramite KLIP.
2. Parametrizzazione Freeform: A differenza dei metodi tradizionali che adattano un piccolo set di parametri geometrici e fisici, ffortissimo tratta ogni pixel all'interno di una Regione di Interesse (ROI) come un parametro libero indipendente. Ciò permette al modello di apprendere direttamente dai dati la distribuzione della densità e della luminosità della polvere senza assumere una specifica forma parametrica.
3. Ottimizzazione: La pipeline impiega l'ottimizzatore Adam per minimizzare una funzione di costo definita dai residui tra l'immagine modellata in avanti e l'immagine osservata ridotta tramite KLIP, normalizzata da una mappa di rumore misurata empiricamente.
4. Regolarizzazione: Per evitare che il modello freeform si adatti al rumore (generando artefatti "granulosi") e per imporre una fluidità fisica, gli autori implementano uno schema di regolarizzazione della frequenza spaziale. Questo comporta:
   • Generazione di un modello di disco di riferimento (utilizzando un semplice modello di luce diffusa parametrico) per creare un template del potere spettrale di riferimento.
   • Adattamento di una finestra Gaussiana ellittica a questo template per definire le frequenze spaziali attese.
   • Penalizzazione del potere spettrale del modello freeform se eccede il template di riferimento durante l'ottimizzazione.
5. Validazione: Gli autori validano il metodo di regolarizzazione testandolo su immagini di rumore di fondo "senza disco" e su immagini con modelli di riferimento invertiti o isotropi per garantire che il metodo non introduca un bias nella morfologia recuperata verso il template di riferimento.

Contributi Chiave

• Sviluppo di ffortissimo: Una pipeline completamente differenziabile e accelerata su GPU che esegue la modellazione forward pixel-per-pixel di dischi circumstellari, capace di gestire i complessi artefatti introdotti da KLIP-ADI e KLIP-RDI.
• Recupero della SPF guidato dai dati: La capacità di inferire le proprietà di scattering della polvere e la Funzione di Fase di Scattering (SPF) direttamente dai dati, anche attraverso regioni pesantemente colpite da artefatti di sottrazione della PSF (ad esempio, l'asse minore di dischi inclinati), senza fare affidamento su profili analitici di SPF pre-supposti come la funzione di Henyey-Greenstein.
• Efficienza Computazionale: Utilizzando Jax e il gradiente discendente, la pipeline raggiunge velocità di convergenza circa 100–150 volte superiori rispetto ai tradizionali approcci DiskFM basati su MCMC (Markov Chain Monte Carlo), riducendo il tempo di convergenza da giorni a circa 1,5 ore su una singola GPU NVIDIA H100.
• Potenziale di Super-Risoluzione: Il framework dimostra la capacità di inferire caratteristiche spaziali più piccole del limite di diffrazione del telescopio (deconvoluzione) ottimizzando un modello pre-convoluto, a condizione che il rapporto segnale-rumore sia sufficiente.

Risultati
La pipeline è stata testata su immagini di luce visibile del disco circumstellare HR 4796A ottenute con lo strumento MagAO-X.

• Recupero Morfologico: I modelli freeform hanno recuperato con successo distribuzioni di luminosità complesse e asimmetrie nei lobi del disco che i modelli parametrici tradizionali non riuscivano a adattare, risultando in residui significativamente migliorati.
• Estrazione della SPF: La pipeline ha recuperato con successo la SPF attraverso un ampio intervallo di angoli di scattering, incluso il picco di forward-scattering sull'asse minore, che è tipicamente cancellato da KLIP-ADI. Le SPF estratte hanno mostrato una buona concordanza con quelle derivate da modelli parametrici utilizzando i polinomi di Legendre, in particolare nella banda $z'$.
• Test Inject-and-Recover: Utilizzando dischi sintetici iniettati in dataset "back-rotated", gli autori hanno dimostato che ffortissimo può recuperare le SPF note e le caratteristiche spaziali (come ringlets nidificati con larghezze di $\sim$1 pixel) anche in presenza di rumore di tipo wind-driven halo (WDH), sebbene le prestazioni degradino in regioni con gravi artefatti di rumore.
• Limitazioni Osservate: Si è scoperto che i modelli apprendono determinati artefatti di rumore, specificamente il wind-driven halo (WDH) e il rumore residuo di speckle a piccole separazioni angolari, indicando che l'attuale pipeline fatica a distinguere le deboli caratteristiche del disco dal rumore di fondo diffuso in regimi di basso rapporto segnale-rumore.

Significato e Rivendicazioni
L'articolo sostiene che ffortissimo offra uno strumento potente per la caratterizzazione morfologica dei dischi circumstellari, particolarmente per sistemi con geometrie complesse che sfidano le semplici descrizioni parametriche. Eliminando l'assunzione di una forma parametrica fissa, il metodo consente un recupero più diretto delle proprietà di scattering della polvere e delle strutture spaziali.

Tuttiavolte, gli autori mantengono una posizione modesta riguardo alla precisione attuale del metodo. Essi dichiarano esplicitamente che la fotometria di precisione utilizzando questi modelli freeform non è ancora consigliata a causa delle sfide rimanenti nella caratterizzazione del rumore di fondo, dei wind-driven halos e degli speckle. Gli autori sottolineano che, sebbene la pipeline possa recuperare segnali persi e caratteristiche sub-risoluzione, i risultati devono essere trattati con cautela e validati incrociati con altri metodi finché non verrà stabilito un quadro statistico rigoroso per la varianza pixel-per-pixel. Il valore primario del presente lavoro è presentato come caratterizzazione morfologica esplorativa e dimostrazione di un nuovo percorso computazionalmente efficiente per la modellazione forward di immagini ad alto contrasto.