The Space Coronagraph Optical Bench (SCoOB): X. Dark zone maintenance

ホタルが燃え盛るサーチライトの隣に座っている様子を写真に撮ろうとしている場面を想像してみてください。このホタルは地球のような惑星であり、サーチライトはその親星（恒星）です。宇宙の広大な暗闇の中で、星の眩しさはあまりにも圧倒的で、小さな、かすかな光である惑星をかき消してしまい、私たちの望遠鏡からは見えない状態にしてしまいます。これを解決するために、天文学者はコログラフと呼ばれる特別な道具を使用します。これは、ハイテクなサングラス、あるいはカメラのレンズの前にある、完璧に配置された小さな指のように、眩しい太陽を遮るものです。しかし、太陽を遮ったとしても、光はただ消えるわけではありません。光は散乱して、眩しい「ハロー（光輪）」を作り出し、それが依然としてホタルを隠してしまうことがあります。これを修正するために、科学者は可変形状鏡（デフォーマブル・ミラー）を使用します。これは、数千の小さな、動かせる凹凸で作られた鏡であり、自ら形を変えることで残りの散乱光を打ち消し、「ダークホール（暗い穴）」を作り出して、ようやく惑星が見えるようにするものです。

しかし、宇宙は一筋縄ではいきません。時間の経過とともに、温度変化や微細な振動によって、望遠鏡がわずかに揺れることがあります。これは、動いているバスの上でカードの束のバランスを取ろうとするようなものです。その束は一瞬は完璧に見えるかもしれませんが、すぐにぐらつき始め、崩れてしまいます。もし「ダークホール」が乱れてしまうと、惑星は再び見えなくなってしまいます。ここで、この論文の物語が登場します。研究者たちは、システム全体を停止してリセットすることなく、何時間もそのダークホールを完全に安定させる方法に取り組んでいます。彼らは、素早い「線形的な推測」を行うものと、スマートな「予測計算」を行うものの、2種類の異なる「オートパイロット」システムをテストしており、どちらが望遠鏡の視界を鋭く保ち、遠くの世界を捉えることができるのかを調べています。

宇宙コログラフ光学ベンチ（SCoOB）：ダークホールを暗いままで保つために

宇宙コログラフ光学ベンチ、またはSCoOBは、アリゾナ大学にあるハイテクな実験装置であり、宇宙望遠鏡が外の世界（系外惑星）の写真を撮ろうとする際に何を行うかを模倣するように設計されています。その主な任務は、特定の領域である「ダークホール」において、1億分の1（具体的には$10^{-8}$）を超えるコントラストを効果的に実現できることを証明することです。これを行うために、チームはベクター・ボルテックス・コログラフ（VVC）と呼ばれる特殊なマスクと、非常にスマートな可変形状鏡を使用しています。

チームはすでにこれらのダークホールを作成できることを示していますが、真の課題は、それをいかに維持するかです。典型的な系外惑星の観測は数十時間に及ぶことがあります。その間、熱や振動によって望遠一がドリフト（漂流）し、その結果「ダークホール」が劣化して、惑星が視界から消えてしまうことがあります。通常の手法は、惑星を見るのを一度止め、望遠鏡を明るい参照星に向け、鏡を修正してから、再び元の場所へ向けるというものです。しかし、これでは貴重な時間を無駄にし、望遠鏡を動かすたびに新たな揺れ（ジッター）を導入してしまいます。この論文では、よりスマートな解決策である「ダークゾーン・メンテナンス（DZM）」を探求しています。これらは、望遠鏡が惑星を見つめ続けている間も、ダークホールを安定させるために鏡に微調整を加え続ける、自己補正型のクルーズコントロールのようなアルゴリズムです。

著者たちは、2つの異なる「オートパイロット」戦略をテストしました。それが、線形ダークフィールド制御（LDFC）と、拡張カルマンフィルタ（EKF）です。

線形的な推測（LDFC）
LDFCは、単純かつ巧妙なアイデアに基づいています。それは、ダークホールの周囲にある明るい光（「ブライトフィールド」）を見て、鏡がどのようにドリフトしたかを判断します。鏡の動きと明るい光の関係は予測可能で線形であるため、このアルゴリズムは、たった一枚の写真を見るだけで、どのような修正が必要かを正確に計算できます。これは、壁の影がわずかに動いたことに気づくようなものです。部屋全体を測定する必要はなく、影を落としている物体をどちらに動かせば修正できるかが分かるのです。

シミュレーションにおいて、チームはLDFCが特定の、あらかじめ計画されたタイプのドリフト（「DM固有モード」と呼ばれます）の修正に非常に優れていることを見出しました。静的なエラーをシミュレートした場合、アルゴリズムはコントラストを元の非常に暗いレベルまで見事に戻すことができました。しかし、実際の実験ベンチ（SCoOB）でテストした際、問題に直面しました。LDFCは注入された特定のエラーを修正することはできましたが、実験室自体で発生している自然な低レベルのドリフトを修正することには失敗したのです。チームは、LDFCが非常に低い次数の揺れ（単純な傾きや曲がりなど）に対して、感度が不十分であるためだと考えています。彼らは、このアルゴリズムが、こうした微妙な現実世界の動きを扱うためには、異なる種類のキャリブレーションが必要である可能性を示唆しています。

スマートな予測者（EKF）
2つ目の戦略である拡張カルマンフィルタ（EKF）は、もう少し複雑です。単に明るい光を見るのではなく、それは「電場（光のパターン）」がどのように見えるかについての「最善の推測」を常に更新し続ける探偵のように振る舞います。それは、システムがどのように振る舞うべきかという予測と、実際に撮影された写真を組み合わせ、何度も繰り返して推測を洗練させていくものです。これは、「熱い・冷たい」ゲームのようなもので、コンピュータは予測が進むにつれて、実際に起こる前にドリフトを予測し、どんどん賢くなっていきます。

シミュレーションにおいて、EKFは大きな期待を集めました。チームがゆっくりとした累積的なドリフト（エラーが時間の経過とともに悪化していく状況）をシミュレートした際、EKFはコントラストを安定させ、高いパフォーマンスレベルを維持することができました。興味深いことに、このアルゴリズムは、正しい解決策を見つけ出すまでに、時として最初は少し性能が悪化し、いくつかの「イテレーション（反復ステップ）」を要することがありました。著者らは、現実世界のシナリオにおいては、これらの初期のつまずきを避けるために、修正を行う前にシステムに少し待機させるような運用を行うだろうと述べています。

得られた知見
本論文は、シミュレーションの成功と、初期の実験結果の両方を提示しています。LDFCとEKFの両方のシミュレーションは非常に有望であり、両方の手法がさまざまな種類のドリフトに対してダークホールを安定させられることを理論的に示しています。実際の実験ベンチからの予備的な結果は、より混合したものでした。チームは、LDFCが特定の注入されたエラーを修正できることを実証し、コンセプトが現実世界でも機能することを証明しました。しかし同時に、現在のバージョンのLDFCが、テストベッド自体の自然な低レベルのドリフトに苦戦することも確認しました。

著者らは、LDFCは強力なツールではあるものの、実際の宇宙望遠鏡の微妙なドリフトに対して十分に敏感になるためには、チューニングが必要かもしれないと結論づけています。彼らの次のステップは、EKFアルゴリズムを実験ベンチでテストし、波面センシングとダークゾーン・メンテナンスを同時に実行することです。彼らはまだ最終的な勝者を決めてはいませんが、手動でのリセットを繰り返すことなくダークホールを暗いままに保つことは、将来の宇宙ミッションにとって非常に現実的な可能性であることを示しました。