phoptic -- a Python package for reducing astronomical images

Sintesi Tecnica di phoptic: Un pacchetto Python per la riduzione di immagini astronomiche

Problematica
Le pipeline di fotometria pubblicamente disponibili sono essenziali per rendere accessibile la riduzione dei dati astronomici ai non esperti, minimizzando l'errore umano e garantendo la riproducibilità. Tuttavia, esiste un collo di bottiglia significativo: i software di riduzione personalizzati vengono spesso scritti su base strumentale. Ciò produce pipeline rigide che non possono essere applicate facilmente ai dati di altri strumenti, particolarmente con l'emergere di nuove tecnologie di rilevamento. Inoltre, la fotometria d'apertura standard, pur essendo efficace, potrebbe non massimizzare il rapporto segnale-rumore (S/N) per sorgenti puntiformi rispetto a tecniche più avanzate come l'estrazione ottimale.

Metodologia
Gli autori presentano phoptic, un pacchetto Python open-source progettato come una pipeline di fotometria generica e flessibile. Sebbene sia stato sviluppato inizialmente per l'OPTICAM (OPtical TIming CAMera) — un sistema sCMOS a tripla camera sul telescopio da 2,1 m di San Pedro Mártir, Messico — phoptic utilizza un'architettura modulare per supportare dati provenienti da diversi strumenti.

I componenti metodologici chiave includono:

• Astrazione dello Strumento: Il pacchetto impiega una data class denominata Instrument che funge da interfaccia tra la pipeline e i prodotti dati specifici dello strumento. Gli utenti possono sottoclassare questa classe per definire il parsing delle parole chiave dell'header (ad esempio, timestamp, binning, guadagno, rumore di lettura) per strumenti non standard, permettendo a phoptic di elaborare immagini FITS in formato standard da qualsiasi sistema di imaging.
• Calibrazione e Correzioni: La pipeline integra routine dedicate per le correzioni di bias, corrente di buio (dark current) e flat-field, utilizzando il modulo correctors. Supporta la propagazione dell'errore attraverso questi passaggi di calibrazione. In particolare, affronta le problematiche specifiche degli sCMOS, come i pixel "caldi" che variano casualmente, consentendo l'applicazione di kernel di convolzione arbitrari (ad esempio, filtri mediani 3×3) durante il processo di riduzione.
• Identificazione delle Sorgenti e Catalogazione: phoptic sfrutta photutils per la stima del fondo (tramite Background2D) e il rilevamento delle sorgenti (tramite SourceFinder). Costruisce cataloghi di sorgenti allineando e sommando le immagini, con supporto sia per trasformazioni affini che di traslazione. Gli utenti possono identificare manualmente sorgenti deboli tramite un'interfaccia interattiva che adatta modelli PSF per raffinare i centroidi.
• Modalità di Fotometria: Il pacchetto implementa due metodi primari di fotometria:
  1. Fotometria d'Apertura: Utilizza aperture ellittiche con dimensioni scalate alla FWHM della PSF.
  2. Fotometria Ottimale: Implementa l'algoritmo di estrazione ottimale (Naylor 1998), che pesa i pixel in base al modello PSF e alla loro varianza. Questo metodo è progettato per migliorare il S/N fino a circa il 10% rispetto alla fotometria d'apertura per sorgenti deboli, mitigando al contempo i bias dipendenti dalla luminosità.
• Propagazione dell'Errore: La pipeline tiene conto di fino a sette sorgenti di rumore: varianza del bias, rumore di corrente di buio, varianza del flat-field, rumore di fondo (sky), rumore di shot, rumore di lettura e rumore di scintillazione (stimato tramite l'approssimazione di Young).
• Parallelizzazione: Per garantire la scalabilità, phoptic utilizza il pacchetto multiprocessing di Python per parallelizzare le routine di allineamento e fotometria delle immagini su CPU multi-core.

Contributi Chiave e Risultati

• Versatilità: Gli autori dimostrano la flessibilità di phoptic riducendo con successo i dati di quattro distinti strumenti: OPTICAM (sCMOS, tripla camera), ULTRACAM (CCD, tripla camera), HiPERCAM (CCD, cinque camere) e MEXMAN (CCD singolo, multi-filtro). Ciò conferma l'efficacia dell'approccio di sottoclassificazione di Instrument per la gestione di diverse tecnologie di rilevamento e modalità di osservazione (ad esempio, windowed vs full-frame).
• Performance: I benchmark su un sistema multi-core (Intel Xeon Gold) mostrano che phoptic scala quasi linearmente con il numero di processi paralleli fino al numero di core della CPU. I metodi create_catalogs() e photometry() hanno ottenuto accelerazioni di circa 31–32 volte utilizzando due processi per thread della CPU rispetto a un singolo processo.
• Confronto di Fotometria:
  • Accuratezza: Quando configurata in modo simile, la fotometria d'apertura di phoptic è entro l'1% dei risultati prodotti dal software ampiamente utilizzato Source-Extractor.
  • Ottimale vs Apertura: Sebbene la fotometria ottimale sia computazionalmente più onerosa, ha fornito solo un modesto miglioramento del S/N (una riduzione della RMS media di circa l'1,4%) per i dati OPTICAM testati. Gli autori osservano che il miglioramento teorico del ~10% assume un regime limitato dal cielo; per le sorgenti brillanti testate (S/N >> 1), il guadagno è stato minimo, suggerendo che la fotometria d'apertura rimanga preferibile per le riduzioni "quick-look".
  • Caratterizzazione del Rumore: L'analisi dello spettro di potenza ha indicato che la fotometria ottimale produce curve di luce più piatte con meno evidenza di rumore correlato (rosso) rispetto alla fotometria d'apertura in specifici casi di test, sebbene una caratterizzazione completa dei sistemi rimanga un obiettivo futuro.
• Integrazione del Workflow: Il pacchetto include strumenti di analisi "quick-look", come grafici RMS-flux per identificare sorgenti variabili, curve di crescita e visualizzazioni della PSF. Supporta inoltre l'esportazione delle curve di luce nel pacchetto stingray per analisi temporali avanzate, con avvertenze riguardanti la gestione delle curve di luce relative e delle distribuzioni di errore non-Poissoniane.

Significatività
Il lavoro posiziona phoptic come una soluzione alla frammentazione dei software di riduzione astronomica. Fornendo un framework unificato e open-source che sfrutta gli ecosistemi moderni astropy e photutils, esso consente una riduzione dei dati riproducibile e flessibile per una vasta gamma di strumenti. Gli autori sottolineano che, sebbene il pacchetto sia nato dalle esigenze specifiche dello strumento OPTICAM (particolarmente riguardo alle caratteristiche del rumore sCMOS), il suo design permette di servirlo come pipeline generica per l'intera comunità astronomica. Il lavoro stabilisce una base per sviluppi futuri, inclusa la selezione automatizzata delle sorgenti di confronto e framework di correzione più flessibili per le sistematiche specifiche dello strumento, come il fringing.