Application de méthodologies d'apprentissage profond au contrôle temps-réel de l'optique adaptative

Application of deep learning methodologies to real-time control of adaptive optics

• Auteur / Autrice : Jordan Raffard
• Direction : Damien Gratadour
• Type : Projet de thèse
• Discipline(s) : Astronomie et astrophysiquee
• Date : Inscription en doctorat le 30/09/2024
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : Astronomie et Astrophysique d'Ile de France
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Instrumentation et de Recherche en Astrophysique
• Partenaire(s) de recherche : établissement opérateur d'inscription : Observatoire de Paris

Mots clés

Mots clés libres

Temps-réel

Calcul haute performance

Optique adaptative

Apprentissage automatique

Adaptive optics

Real-time

High performance computing

Machine learning

Résumé

L'extension de la couverture de l'optique adaptative (AO) à des longueurs d'onde courtes (λ < 1µm) pour mettre en œuvre des systèmes d'OA extrêmes (XAO) et rechercher des exoplanètes rocheuses peu lumineuses par imagerie directe est un défi car elle nécessite une correction du front d'onde à des échelles spatiales et temporelles très courtes. Si la conception de systèmes dotés d'un plus grand nombre d'actionneurs et d'un temps de réponse plus rapide est possible avec les technologies actuelles, la réalisation de ces concepts en pratique est problématique car ils exigent une stabilité parfaite, une reconstruction ultra-précise du front d'onde et un étalonnage sans faille. Ce projet développera et évaluera des solutions innovantes basées sur des architectures connexionnistes profondes qui peuvent être utilisées pour contrôler cette nouvelle classe de systèmes XAO. Pour ces applications en temps réel, certaines innovations architecturales sur les réseaux neuronaux profonds sont nécessaires afin de trouver un compromis judicieux entre la vitesse de calcul et la performance scientifique. Ce projet s'appuiera sur une nouvelle approche de co-conception matérielle et logicielle multi-échelle afin d'optimiser et de planifier l'exécution de nouveaux pipelines de traitement de données d'OA, mélangeant l'IA et des flux de tâches plus classiques, à des systèmes de traitement en temps réel hétérogènes composés de solutions d'ingestion de données à haute bande passante et à faible latence, d'accélérateurs matériels tels que des GPU et éventuellement de nouveaux processeurs dédiés. La méthodologie repose sur un processus itératif entre les résultats obtenus sur le prototypage d'interconnexions intelligentes et l'implantation des pipelines AO sur le matériel de calcul, favorisant la co-conception d'une solution optimisée non seulement au niveau d'un seul nœud, mais aussi sur une architecture hétérogène à grande échelle, composée de plusieurs nœuds hébergeant une variété d'accélérateurs matériel. Les méthodes et prototypes résultants seront évalués expérimentalement sur des données simulées et réelles provenant d'expériences existantes à l'Observatoire de Paris. Le projet sera axé sur deux démonstrations : SPHERE+, une proposition d'amélioration de l'instrument SPHERE au VLT, qui augmentera les performances actuelles de détection et de caractérisation des exoplanètes et des disques, et servira de démonstrateur pour le futur détecteur de planètes de l'ELT européen. Celui-ci, PCS composé d'une caméra planétaire et d'un spectrographe dédiés à l'imagerie directe et à la caractérisation des exoplanètes et des planètes rocheuses dans la zone habitable, nécessitera des performances XAO extrêmement élevées et stables, ainsi qu'une correction quasi-parfaite de la turbulence atmosphérique allant bien au-delà de l'état de l'art des instruments actuels d'imagerie à haut contraste. L'un des principaux objectifs de ce projet est d'aider à atteindre un niveau de maturité suffisamment élevé pour lancer la construction de PCS.

Extending Adaptive Optics (AO) coverage to shorter optical wavelengths (λ < 1µm) to implement eXtreme AO (XAO) systems and look for faint rocky exoplanets through direct imaging is a challenge because it requires wavefront correction on very short spatial and temporal scales. While designing systems with a larger number of actuators and a faster response time is not that challenging conceptually, realizing these conceptual designs in practice is problematic because they demand exquisite stability, ultra-precise wavefront reconstruction and flawless subsystems calibration. This project shall develop and evaluate innovative solutions based on deep connectionist architectures that can be employed in controlling this new class of XAO systems. This project will leverage a new multi-scale hardware-software co-design approach to optimally map and schedule the execution of new AO data processing pipelines, mixing AI and more classical HPC workflows, to heterogeneous real-time processing systems composed of high bandwidth low latency data ingestion solutions, hardware accelerators such as GPUs and possibly new compute hardware. The methodology relies on an iterative process between results obtained on smart interconnects prototyping and efficient mapping of AO pipelines on compute hardware, fostering the co-design of a solution optimised not only at the single node level but also on scaled-up heterogeneous architecture, composed of multiple nodes hosting a variety of hardware accelerators. The resulting methods and prototypes will be experimentally evaluated on simulated and real data from existing experiments at Observatoire de Paris. The project will target two demonstrations: SPHERE+, a proposed upgrade of the SPHERE instrument at VLT, which will boost the current performances of detection and characterization of exoplanets and disks, and will serve as a demonstrator for the future planet finder (PCS) of the European ELT. The latter composed of a Planetary Camera and Spectrograph, dedicated to direct imaging and characterization of exoplanets toward rocky planets in the habitable zone, will require extremely high and stable XAO performance and calls for a superb correction of atmospheric turbulence which goes well beyond the state-of-the-art of current high contrast imaging instruments. A prime objective of this project is to help reaching a high enough TRL level sufficient to launch PCS construction.