Reconstrucción en GPU de perfiles atmosféricos turbulentos mediante redes neuronales para la mejora de sistemas de óptica adaptativa

Resumen

La atmósfera terrestre es un medio turbulento compuesto por diferentes gases, los cuales reaccionan de forma diferente a los cambios de presión, temperatura o humedad. Al realizar observaciones mediante grandes telescopios de objetos lejanos, la luz que llega a la tierra tiene que atravesar dicha atmósfera, lo que provoca que el frente de onda que se recibe se distorsione. Para evitar los inconvenientes causados por ese problema, se han diseñado los sistemas de óptica adaptativa los cuales son capaces de corregir gran parte de la distorsión introducida por la atmósfera mediante el uso de un espejo deformable, al cual se le indica qué forma tiene que tomar gracias al empleo de sensores y un reconstructor tomográfico. La creación de telescopios cada vez más grandes, como el futuro Extremely Large Telescope, plantea nuevos retos a la hora de recoger y procesar cantidades de información cada vez más grandes debido al aumento del número de sensores y la información que estos proporcionan. De entre las diferentes opciones existentes para la reconstrucción tomográfica, la conocida como CARMEN ha demostrado un gran éxito al ser utilizada en telescopios a pequeña escala. Este reconstructor, basado en redes neuronales artificiales, es un gran candidato para ser utilizado en la siguiente generación de telescopios de gran tamaño, para lo cual necesitaría ser más eficiente en su funcionamiento, reduciendo sus tiempos de aprendizaje y la velocidad de inferencia que posee a la hora de estimar el comportamiento de la turbulencia atmosférica. En el presente trabajo se han propuesto una serie de soluciones para CARMEN basadas en la implementación en redes neuronales sobre tarjetas gráficas, estudiando cuál es la que mejor se adapta para resolver el problema y analizando y comprobando su viabilidad si la cantidad de información recogida sigue creciendo. La utilización de redes neuronales más complejas aplicadas a diferentes sistemas de óptica adaptativa es también un campo de estudio novedoso y en el que se ha trabajado en la presente tesis. El sistema Projected Pupil Plane Pattern (PPPP), propone una configuración de óptica adaptativa en la que únicamente es necesario utilizar dos sensores CCD para recibir imágenes con las que realizar la reconstrucción, simplificando así el sistema y permitiendo eliminar algunos de los inconvenientes que aparecen en los sistemas más tradicionales. El empleo de un nuevo tipo de redes neuronales, las conocidas como redes neuronales convolucionales, ha sido también uno de los objetivos de este trabajo logrando una mejora sustancial en la capacidad de reconstrucción del sistema PPPP y haciendo más viable su utilización en un telescopio real al conseguir que el láser utilizado como referencia, pueda ser mucho menos potente de lo estipulado en su definición original.