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

Resumo Técnico de "ffortissimo: Um Pipeline de Modelagem Direta de Forma Livre para Imagens de Alto Contraste de Discos Circumestelares Baseado em Diferenciação Automática"

Problema
A caracterização de discos circumestelares via imagem direta é dificultada por dois desafios primários. Primeiro, a modelagem paramétrica tradicional assume que as distribuições de densidade de poeira seguem formas funcionais fixas, o que frequentemente falha em capturar morfologias complexas como lacunas, aglomerados, empenamentos e espirais. Segundo, as técnicas tradicionais de pós-processamento de imagem de alto contraste, especificamente a Imagem Diferencial Angular (ADI) combinada com a Projeção de Imagem de Karhunen-Loève (KLIP), introduzem artefatos. Esses algoritmos inevitavelmente subtraem partes do sinal do disco junto com o ruído da função de espalhamento de ponto (PSF) estelar (auto-subtração), distorcendo a verdadeira morfologia de estruturas tênues, particularmente em pequenas separações angulares e ao longo do eixo menor de discos inclinados. Essa distorção complica a medição precisa da Função de Fase de Espalhamento (SPF) da poeira e torna difícil inferir a composição bruta do material de espalhamento.

Metodologia
Os autores apresentam o ffortissimo, um novo pipeline de Python de código aberto projetado para modelagem direta baseada em pixels de objetos estendidos em imagens reduzidas por KLIP. O pipeline é construído dentro do framework Jax, aproveitando a diferenciação automática ("autodiff") e computações de matriz aceleradas por GPU para permitir uma otimização eficiente.

O fluxo de trabalho central envolve as seguintes etapas:

1. Framework de Modelagem Direta: O pipeline utiliza o formalismo DiskFM (Mazoyer et al. 2020) para simular a resposta do instrumento e os artefatos de subtração de PSF (auto-subtração e sobre-subtração) em um modelo de disco sintético. Isso permite que o modelo seja comparado diretamente com os dados reduzidos por KLIP.
2. Parametrização de Forma Livre: Ao contrário dos métodos tradicionais que ajustam um pequeno conjunto de parâmetros geométricos e físicos, o ffortissimo trata cada pixel dentro de uma Região de Interesse (ROI) como um parâmetro livre independente. Isso permite que o modelo aprenda a densidade de poeira e a distribuição de brilho diretamente dos dados, sem assumir uma forma paramétrica específica.
3. Otimização: O pipeline emprega o otimizador Adam para minimizar uma função de custo definida pelos resíduos entre a imagem modelada diretamente e a imagem observada reduzida por KLIP, normalizada por um mapa de ruído medido empiricamente.
4. Regularização: Para evitar que o modelo de forma livre sofra overfitting de ruído (resultando em artefatos "granulados") e para impor suavidade física, os autores implementam um esquema de regularização de frequência espacial. Isso envolve:
   • Gerar um modelo de disco de referência (usando um modelo simples de luz espalhada paramétrica) para criar um template de espectro de potência de referência.
   • Ajustar uma janela Gaussiana elíptica a este template para definir as frequências espaciais esperadas.
   • Penalizar o espectro de potência do modelo de forma livre se ele exceder este template de referência durante a otimização.
5. Validação: Os autores validam o método de regularização testando-o em imagens de fundo "sem disco" e em imagens com modelos de referência invertidos ou isotrópicos para garantir que o método não enviese a morfologia recuperada em direção ao template de referência.

Principais Contribuições

• Desenvolvimento do ffortissimo: Um pipeline totalmente diferenciável e acelerado por GPU que realiza modelagem direta pixel a pixel de discos circumestelares, capaz de lidar com os artefatos complexos introduzidos por KLIP-ADI e KLIP-RDI.
• Recuperação de SPF Baseada em Dados: A capacidade de inferir propriedades de espalhamento de poeira e a Função de Fase de Espalhamento (SPF) diretamente dos dados, inclusive através de regiões fortemente afetadas por artefatos de subtração de PSF (ex: o eixo menor de discos inclinados), sem depender de perfis de SPF analíticos pré-supostos como a função Henyey-Greenstein.
• Eficiência Computacional: Utilizando Jax e gradiente descendente, o pipeline alcança velocidades de convergência aproximadamente 100–150 vezes mais rápidas do que as abordagens DiskFM tradicionais baseadas em MCMC, reduzindo o tempo de convergência de dias para cerca de 1,5 hora em uma única GPU NVIDIA H100.
• Potencial de Super-Resolução: O framework demonstra a capacidade de inferir características espaciais menores que o limite de difração do telescópio (desconvolução) ao otimizar um modelo pré-convolucionado, desde que a relação sinal-ruído seja suficiente.

Resultos
O pipeline foi testado em imagens de luz visível do disco circumestelar HR 4796A obtidas com o instrumento MagAO-X.

• Recuperação Morfológica: Os modelos de forma livre recuperaram com sucesso distribuições de brilho complexas e assimetrias nos lobos do disco que os modelos paramétricos tradicionais não conseguiram ajustar, resultando em resíduos significativamente melhores.
• Extração de SPF: O pipeline recuperou com sucesso a SPF através de uma ampla gama de ângulos de espalhamento, incluindo o pico de espalhamento frontal no eixo menor, que é tipicamente apagado pelo KLIP-ADI. As SPFs extraídas mostraram boa concordância com aquelas derivadas de modelos paramétricos usando polinômios de Legendre, particularmente na banda $z'$.
• Testes de Injeção e Recuperação: Usando discos sintéticos injetados em conjuntos de dados "retro-rotacionados", os autores demonstraram que o ffortissimo pode recuperar SPFs conhecidas e características espaciais (como anéis aninhados com larguras de $\sim$1 pixel) mesmo na presença de ruído de halo impulsionado pelo vento (WDH), embora o desempenho degrade em regiões com artefatos de ruído severos.
• Limitações Observadas: Os modelos foram encontrados aprendendo certos artefatos de ruído, especificamente o halo impulsionado pelo vento (WDH) e o ruído residual de speckle em pequenas separações angulares, indicando que o pipeline atual tem dificuldade em distinguir características tênues do disco de ruído de fundo difuso em regimes de baixa relação sinal-ruído.

Significância e Alegações
O artigo afirma que o ffortissimo oferece uma ferramenta poderosa para a caracterização morfológica de discos circumestelares, particularmente para sistemas com geometrias complexas que desafiam descrições paramétricas simples. Ao remover a suposição de uma forma paramétrica fixa, o método permite uma recuperação mais direta das propriedades de espalhamento de poeira e estruturas espaciais.

No entanto, os autores mantêm uma postura modesta em relação à precisão atual do método. Eles declaram explicitamente que a fotometria de precisão usando estes modelos de forma livre ainda não é aconselhada devido aos desafios remanescentes na caracterização do ruído de fundo, halos impulsionados pelo vento e speckles. Os autores enfatizam que, embora o pipeline possa recuperar sinais perdidos e características sub-resoluções, os resultados devem ser tratados com cautela e validados cruzadamente com outros métodos até que um framework estatístico rigoroso para a variância pixel a pixel seja estabelecido. O valor principal do trabalho atual é apresentado como uma caracterização morfológica exploratória e a demonstração de um novo caminho computacionalmente eficiente para modelagem direta de imagens de alto contraste.