射电干涉中可扩展精确宽场成像：II. AIRI 在ASKAP数据上验证
摘要：验证了最近提出的基于人工智能的正则化无线干涉成像（AIRI）算法在澳大利亚平方公里阵列探路者（ASKAP）观测数据上的有效性。本研究中展示的单色AIRI-ASKAP图像使用了第一部分中描述的相同并行化和自动化成像框架：``在ASKAP数据上验证的uSARA''。AIRI通过在去卷积过程中将经训练的去噪深度神经网络（DNN）替代正则化步骤中的近端算子，采用即插即用的方法与uSARA不同。我们构建了一组经训练的DNN去噪器，针对我们选定数据的估计图像动态范围。此外，我们还量化了在选择最近的存储器中的DNN与使用具有最高动态范围的通用DNN时的AIRI重建之间的变化，为一个更完整的框架打开了大门，该框架不仅提供图像估计，还量化了认识模型不确定性。我们继续比较分析了AIRI和第一部分中的uSARA和WSClean算法成像的目标源的源结构、漫射通量测量和谱指数图。总体而言，与uSARA和WSClean相比，AIRI在重建AIRI图像中的漫射成分方面有所改善。AIRI提供的科学潜力体现在进一步提高成像精度、更准确的谱指数图以及去卷积时间的显著加速，AIRI的速度是其次迭代稀疏性基础版本uSARA的四倍。
作者：Amanda G. Wilber, Arwa Dabbech, Matthieu Terris, Adrian Jackson and Yves Wiaux
论文ID：2302.14149
分类：Instrumentation and Methods for Astrophysics
分类简称：astro-ph.IM
提交时间：2023-05-17