Diffusion models to optimize nonlinear phase reconstruction in adaptive optics systems
Identification
- Clé publique
- radar:r-390130399bad893a0ab1ab8b06f6b428
- Auteurs
- Parker Levesque
- Année déclarée
- 2026
- Langue déclarée
- en
- Type source
- dissertation
- Première détection
- 2026-11-13T08:40:04.840470+00:00
- Dernière observation des métadonnées
- 2026-11-13T08:40:04.840470+00:00
- Dernière vérification HTTP
- Non effectuée
Résumé documentaire — langue originale
La recherche de planètes extrasolaires répond à des questions fondamentales sur notre place dans l'univers. Bien que les méthodes indirectes comme la photométrie de transit et la mesure de vitesse radiale aient révélé des propriétés planétaires de base, l'imagerie directe est la méthode de référence pour une caractérisation détaillée. La capture directe de photons d'une exoplanète permet une analyse approfondie de son atmosphère et de sa composition. L'analyse spectroscopique de cette lumière peut révéler des biosignatures clés, offrant des indices sur son habitabilité potentielle. C'est toutefois un défi redoutable en raison du contraste de luminosité extrême entre une planète et son étoile hôte, requérant de grands télescopes au sol pour atteindre la résolution angulaire nécessaire afin de les séparer, tout en collectant assez de lumière. L'obstacle principal est l'atmosphère terrestre, dont la turbulence déforme la lumière de manière chaotique, dégradant sévèrement la résolution angulaire des télescopes. Pour obtenir les images à fort contraste requises, ces aberrations à l'échelle de la milliseconde doivent être corrigées en temps réel. Les systèmes d'optique adaptative sont conçus à cet effet, utilisant un analyseur de front d'onde pour mesurer les distorsions et un miroir déformable pour appliquer une correction opposée. Ce processus vise à restaurer la limite de diffraction du télescope, mais des erreurs dues au bruit du capteur et à la latence du système rendent les corrections souvent imparfaites. L'apprentissage automatique offre de nouvelles voies pour améliorer les performances de l'optique adaptative, en capturant les relations complexes et non linéaires que les algorithmes traditionnels modélisent mal. Cette étude présente une approche novatrice combinant des réseaux de neurones convolutifs à propagation avant et des modèles génératifs basés sur le score pour améliorer la précision des corrections de front d'onde du système de contrôle en temps réel. Notre processus d'entraînement optimisé pour ces réseaux neuronaux démontre des améliorations de performance significatives dans des conditions d'observation simulées et réalistes. Ce travail aborde un défi majeur du déploiement de modèles d'apprentissage automatique robustes pour l'optique adaptative, ouvrant la voie à une imagerie directe plus efficace des exoplanètes depuis les observatoires au sol.
Identifiants
- OPENALEX
- https://openalex.org/W7223021597
- DOI
- 10.71781/36344
Repères documentaires
- Famille documentaire
- Thèse
- Types déclarés par les sources
- dissertation
Les mentions d’entités ne constituent pas une preuve de reconnaissance juridique. La juridiction étudiée est distincte du pays d’affiliation des auteurs.
Sources
OpenAlex · Document 1
Citer cette référence
Parker Levesque. Diffusion models to optimize nonlinear phase reconstruction in adaptive optics systems. 2026. https://doi.org/10.71781/36344
JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·
APA, Chicago, ISO 690 : formats bibliographiques fondés sur les champs disponibles. OSCOLA / Bluebook : données structurées uniquement ; aucune conformité juridique complète n’est revendiquée sans vérification des éléments nécessaires.
- APA
- Parker Levesque. (2026). Diffusion models to optimize nonlinear phase reconstruction in adaptive optics systems. https://doi.org/10.71781/36344
- Chicago
- Parker Levesque. Diffusion models to optimize nonlinear phase reconstruction in adaptive optics systems. 2026. https://doi.org/10.71781/36344
- ISO 690
- Parker Levesque. Diffusion models to optimize nonlinear phase reconstruction in adaptive optics systems. 2026. https://doi.org/10.71781/36344
Warning: Undefined array key "last_link_verified" in /home/clients/e27d81e12f04d2bfd747aa264540ac56/sites/_UDTR_APP/legal_library_reference.php on line 31
UDTR — Bibliothèque juridique mondiale des droits de la Nature. Diffusion models to optimize nonlinear phase reconstruction in adaptive optics systems. Notice documentaire: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-390130399bad893a0ab1ab8b06f6b428/ · Dernière vérification HTTP : non effectuée
Données de cette version figée
Dossiers et relations documentaires
Rôles des sources
Source bibliographique / publication d’origine · https://hdl.handle.net/1866/46733
Un lien vers une autorité ne prouve pas à lui seul une affirmation juridique. Les résumés et les textes intégraux restent soumis aux conditions de leur source.
Statut documentaire
Pertinence à examiner
Bibliothèque
Cette identité n’est pas encore intégrée à la Bibliothèque juridique.