Closing the loop on-sky with a vector-Zernike wavefront sensor using a convolutional neural network as phase reconstructor

宇宙のぼやけとスマートカメラ

波打つ熱気でゆらめく窓越しに、遠くのホタルをクリスタルのように鮮明に撮影しようとしている場面を想像してみてください。それは、まさに天文学者が地球から星や惑星を見上げるときに直面している状況です。私たちの大気は、絶えず変化し光を屈折させる空気の乱れたスープであり、鋭い光の点をぼやけた塊に変えてしまいます。これを解決するために、科学者たちは「補償光学（アダプティブ・オプティクス）」と呼ばれるハイテクなトリックを使用します。これは、自身のレンズ（可変形状鏡）を1秒間に数百回という速さで瞬時に形を変え、空気の揺らぎを打ち消して、画像を元の鮮明さに戻すことができる魔法のカメラのようなものです。

しかし、レンズを修正するためには、カメラはまず空が「どのように」揺れているかを知る必要があります。これが「波面センサ（ウェーブフロント・センサ）」の役割です。これは、光の歪みを測定する特別な「目」です。最も高感度なセンサの中には、極めて微細な揺らぎを捉えるのが非常に得意なものもありますが、面白い癖があります。もし空気が揺れすぎると、これらのセンサは混乱してしまうのです。それは、数字が1から12までしかない時計のようなものです。針を回しすぎると、数字が一周して最初に戻ってしまうため、順方向に回したのか逆方向に回したのか判別できなくなります。この「ラッピング（巻き戻り）」問題により、大気が非常に乱れているとき、これらの超高感度センサは通常、お手上げ状態になり、カメラは再び目が見えない状態に戻ってしまいます。科学者たちが問い続けてきたのは、「コンピュータに、混乱したセンサの様子を見て、たとって数字が一周してしまっていても、真実の物語を解き明かす方法を教えられるか？」ということです。

論文の核心的なアイデア：空の展開を解き明かすロボットの教育

「Closing the loop on-sky with a vector-Zernike wavefront sensor using a convolutional neural network as phase reconstructor」と題されたこの論文は、コンピュータにそのラッピングのパズルを解かせる方法についての物語です。F. オヤルズン（F. Oyarzún）氏らを中心とする研究チームは、「畳み込みニューラルネットワーク（CNN）」と呼ばれる一種の人工知能を使用することに決めました。CNNは、単に一つの手がかりを一つずつ見るのではなく、文脈を理解するために画像全体をスキャンする、非常に賢い探偵のようなものだと考えることができます。

かつて、科学者たちは単純な線形数学を用いて、センサの信号を鏡の補正へと変換していました。これは空気が穏やかな時にはうまく機能しましたが、乱流が強くなると、「ラッピング」の問題によって数学的な計算が破綻してしまいました。チームは新しいアプローチを提案しました。単純な数学を使う代わりに、ニューラルネットワークを訓練し、センサからの画像全体を見渡して、歪みの形状を推測させるという方法です。これは、目や鼻を個別に数えるのではなく、顔全体を見て子供が顔を認識することを教えるのと似ています。

これを行うために、チームは単にデータをコンピュータに投げ込んだわけではありません。彼らは非常に詳細な望遠鏡と大気の仮想モデルを構築し、AIを訓練するために、何千もの架空の「乱れた夜」を生成しました。彼らは「カリキュラム学習」と呼ばれる特別な訓練テクニックを用いました。これは、AIを最初は簡単で穏やかな夜から始め、徐々に嵐のような混沌とした夜へと移行させていく手法です。また、彼らはAIの宿題を採点するための新しい方法も発明しました。天文学においては、たとえ小さな誤差であっても画像を台無しにしてしまうため、細部の正確さを徹底的に重視するように設計されています。

空でのテスト：シミュレーションから現実へ

本当のテストは、彼らがこのAIをフランスのオート＝プロヴァンス天文台へと連れて行ったときにやってきました。彼らは、かすかな星を見るために設計された超高感度な目である「ベクター・ゼルニケ波面センサ（v-ZWFS）」を備えた望遠鏡に、この新しいシステムを接続しました。目標は、空が荒れているとき（従来の単純な数学では完全に失敗してしまう条件）でも、AIが望遠鏡の鏡を安定させ、鮮明に保てるかどうかを確認することでした。

結果はエキサイティングなものでした。シミュレーションにおいて、このAIは従来の線形手法が対処できるレベルの80倍も強い乱流を扱うことができました。実物の空で稼働させたとき、AIはその真価を発揮しました。従来の線形手法が諦めて画像がぼやけてしまったいくつかのケースにおいて、AIはループを維持し続け、鋭く鮮明な画像を作り出しました。

特に印象的なテストとして、この高感度センサを「唯一の」ガイドとして使用し、第一段階のセンサからの助けなしに、大気の猛威に直接立ち向かわせる実験を行いました。通常、これは乱流が強すぎるため不可能とされています。しかし、AIを用いることで、彼らは（ストレル比と呼ばれる）鮮明度スコア46.2%を達成することに成功しました。これは、従来の手法を用いた二段階システムを用いた場合とほぼ同等の性能です。実際、多くのケースにおいて、AIは従来の手法を上回り、従来の手法が22.0%であったのに対し、AIは32.7%のストレル比でより鮮明な画像を作り出しました。

これが意味すること

この論文は、コンピュータ・シミュレーションのみで訓練されたニューラルネットワークを使用することで、これら超高感度センサの有用な範囲を、本来の設計限界をはるかに超えて広げられることを示しています。著者らは、AIが単に推測しているのではなく、混乱した信号をうまく「展開（アンラップ）」し、これまでよりもはるかに強い乱流に対処できることを明らかにしました。

彼らは、単純な線形数学ではこれらの条件下では不十分であることを明確に否定しました。論文は、大きな歪みに対して線形アプローチは収束に失敗する一方で、非線形なAIは成功することを証明しています。これらの発見に対する信頼性は高く、それらは単なるシミュレーションではなく、実際の空でのデータによって証明されました。研究者たちは、これは単なる小さな改善ではなく、将来の巨大望遠鏡が最も荒れた夜でも最も敏感な「目」を使用することを可能にする、根本的な転換点であると示唆しています。これにより、遠くのかすかな世界を発見するための新たな可能性が開かれることになります。