Démonstra*on sur le ciel de l’op*que adapta*ve mul*-‐objet avec étoiles lasers par CANARY
Olivier Mar*n
École doctorale ED 127, Université Paris-‐Diderot
Directeur de thèse : Gérard Rousset
Co-‐Directeur de thèse : Éric Gendron
1. Introduc*on
2. Tomographie en boucle ouverte avec étoiles lasers 3. Modélisa*on d’un système de MOAO
4. Résultats sta*s*ques sur le ciel 5. Conclusions
SOMMAIRE
1. Introduc*on
2. Tomographie en boucle ouverte avec étoiles lasers 3. Modélisa*on d’un système de MOAO
4. Résultats sta*s*ques sur le ciel 5. Conclusions
SOMMAIRE
Les enjeux astrophysiques de demain
Introduc*on
Tomographie en boucle ouverte avec étoiles lasers Modélisa*on d’un système de MOAO
Résultats sta*s*ques sur le ciel Conclusions et Perspec*ves
Olivier Mar*n 3
EAGLE/MOSAIC :
Spectrographe mul*-‐objet proche IR Assisté par AO sur l’E-‐ELT
Étude en phase A: 2010
Forma*ons et évolu*on des galaxies
Champ de vue de 7 ’ de diamètre
Observa*ons mul*plexées de 20 sources astrophysiques
30% de EE dans 75 mas
6 LGS et 5 NGS
Crédit : ESO
0 10 20 30 40 0
5 10 15
Relative Strength (%)
Altitude (km)
Olivier Mar*n 4
La turbulence atmosphérique
Modélisa*on d’un système de MOAO Résultats sta*s*ques sur le ciel
Conclusions et Perspec*ves
Sans
atmosphère Avec
atmosphère turbulente
Paramètre de Fried r
0/ seeing Échelle externe L
0
Spectre spa*al des fluctua*ons de la phase donnée par
Kolmogorov
Turbulence distribuée en al*tude C
n2(h)
Temps de corréla*on/vitesse de vent
λ/D λ/D λ/Dλ/Dλ/Dλ/Dλ/Dλ/Dλ/Dλ/Dλ/Dλ/Dλ/Dλ/Dλ/Dλ/D λ/rλ/rλ/rλ/rλ/rλ/rλ/rλ/rλ/rλ/rλ/rλ/rλ/rλ/rλ/rλ/r0000000000000000
L’op*que adapta*ve classique (SCAO)
Introduc*on
Tomographie en boucle ouverte avec étoiles lasers Modélisa*on d’un système de MOAO
Résultats sta*s*ques sur le ciel Conclusions et Perspec*ves
pente
x y
Olivier Mar*n 5
+
- + +
̃Φ
ε̃Φ
ã n
(z)S ̃
(z)̃Φ
mh ̃
ASOM c
ASO
RTC V ̃ ( z )
D
h ̃
sysDM
−0.5 0.0 0.5
−0.5 0.0 0.5
Arcsecs
Arcsecs
Open−loop on ASTT1 in H band SR= 2.4%
SEEING
SR ≈ 2,4 % (Bande H)
−0.5 0.0 0.5
−0.5 0.0 0.5
Arcsecs
Arcsecs
SCAO on ASTT1 in H band SR= 25.5%
SCAO
SR ≈ 25,5 %
L’ASO mesure :
-‐ modes de bas ordres de la turbulence -‐ repliement des modes de hauts ordres -‐ + contribu*on du bruit
Loi de commande intégrateur
Crédit : J. Exposito
Les étoiles guides lasers
Modélisa*on d’un système de MOAO Résultats sta*s*ques sur le ciel
Conclusions et Perspec*ves
Olivier Mar*n 6
Meilleure couverture du ciel
Effet de cône : turbulence non mesurée
Indétermina*on de l’angle d’arrivée du front d’onde sur la pupille
Fluctua*ons de la densité de la couche de Sodium
(Elonga*on des spots, défocus) Compensa*on par*elle de l’effet de
cône avec plusieurs LGS
L’op*que adapta*ve mul*-‐objet (MOAO)
Introduc*on
Tomographie en boucle ouverte avec étoiles lasers Modélisa*on d’un système de MOAO
Résultats sta*s*ques sur le ciel Conclusions et Perspec*ves
Olivier Mar*n 7
Altitude
0 km
∞
Cibles Astrophysiques
Pupille du télescope Turbulence
L’op*que adapta*ve mul*-‐objet (MOAO)
Modélisa*on d’un système de MOAO Résultats sta*s*ques sur le ciel
Conclusions et Perspec*ves
Olivier Mar*n 7
Miroir déformable Spectrographe à champ intégral
L’op*que adapta*ve mul*-‐objet (MOAO)
Introduc*on
Tomographie en boucle ouverte avec étoiles lasers Modélisa*on d’un système de MOAO
Résultats sta*s*ques sur le ciel Conclusions et Perspec*ves
Olivier Mar*n 7
Miroir déformable Spectrographe à champ intégral
L’op*que adapta*ve mul*-‐objet (MOAO)
Modélisa*on d’un système de MOAO Résultats sta*s*ques sur le ciel
Conclusions et Perspec*ves
Olivier Mar*n 7
Miroir déformable Spectrographe à champ intégral
L’op*que adapta*ve mul*-‐objet (MOAO)
Introduc*on
Tomographie en boucle ouverte avec étoiles lasers Modélisa*on d’un système de MOAO
Résultats sta*s*ques sur le ciel Conclusions et Perspec*ves
Olivier Mar*n 7
Reconstruc*on tomographique
Pas de rétro-‐ac*on MD/ASO
Miroir déformable Miroir déformable
Tomographie
Pas de rétro-‐ac*on
MD/ASO: boucle ouverte !!
Spectrographe à champ intégral
L’instrument CANARY
Modélisa*on d’un système de MOAO Résultats sta*s*ques sur le ciel
Conclusions et Perspec*ves
Olivier Mar*n
−0.50.0
0.5
8
−0.5 0.0 0.5
Arcsecs
Arcsecs
GLAO 4 LGS 2 NGS on ASTT1 in H band SR= 12.1%
−0.5 0.0 0.5
−0.5 0.0 0.5
Arcsecs
Arcsecs
MOAO 4 LGS 2 NGS on ASTT1 in H band SR= 22%
GLAO (BO) MOAO (BO)
−0.5 0.0 0.5
−0.5 0.0 0.5
Arcsecs
Arcsecs
Open−loop on ASTT1 in H band SR= 2.4%
SEEING
SR ≈ 2,4 % (bande H) SR ≈ 12,1 % SR ≈ 22,0 %
−0.5 0.0 0.5
−0.5 0.0 0.5
Arcsecs
Arcsecs
SCAO on ASTT1 in H band SR= 25.5%
SCAO (BF)
SR ≈ 25,5 %
1. Introduc*on
2. Tomographie en boucle ouverte avec étoiles lasers 3. Modélisa*on d’un système de MOAO
4. Résultats sta*s*ques sur le ciel 5. Conclusions
SOMMAIRE
La reconstruc*on tomographique MMSE avec CANARY
Modélisa*on d’un système de MOAO Résultats sta*s*ques sur le ciel
Conclusions et Perspec*ves
Olivier Mar*n 10
S S ↵
: Vecteur des mesures sur l’axe (TS) : Vecteur des mesures hors-‐axes
C : Matrice de covariance des pentes
Matrice de
pondéra*on C ↵↵
S b = RS ↵
Es*ma*on tomographique MMSE :
" 2 = E h
k S RS ↵ k 2 i
Matrice de
projec*on C ↵
R = E ⇥
S S t ↵ ⇤
E ⇥
S ↵ S t ↵ ⇤ 1
576 éléments (8 ASO de 72 pentes )
C C ↵↵
C ↵
LGS (TT asservi)
NGS
La reconstruc*on tomographique MMSE avec CANARY
Introduc*on
Tomographie en boucle ouverte avec étoiles lasers Modélisa*on d’un système de MOAO
Résultats sta*s*ques sur le ciel Conclusions et Perspec*ves
Olivier Mar*n 11
Besoin d’un modèle de la covariance des pentes !
Problèmes :
-‐ Le calcul du reconstructeur MMSE nécessite la covariance entre les ASO hors-‐axes et sur l’axe
=> pas d’ASO sur l’axe sur l’E-‐ELT
-‐ Le calcul du reconstructeur MMSE nécessite des matrices de covariance sta*s*ques
=> les mesures acquises sur le ciel sont des réalisa*ons par*culières de la turbulence
R = E ⇥
S S t ↵ ⇤ E ⇥
S ↵ S t ↵ ⇤ 1
On ne peut pas directement u*liser les mesures pour calculer le reconstructeur
Modèle de la covariance spa*ale des pentes
Modélisa*on d’un système de MOAO Résultats sta*s*ques sur le ciel
Conclusions et Perspec*ves
Olivier Mar*n 12
Coordonnées des sous-‐pupilles : sépara*on des ASO, al*tude, coordonnées dans le repère de l’ASO, al*tude de focalisa*on des LGS, dévia*ons
Fonc*ons de structure de phase à une al*tude donnée : Sépara*on des ssp, r
0, L
0
Carte/Matrice de covariance à une al*tude donnée : Matrice remplie avec les valeurs de covariance de chaque couple de sous-‐pupilles
Indépendance sta*s*que des couches turbulentes à somme sur les couches
Données L G S + N G S +
T T
Matrice de covariance empirique
Matrice de covariance synthé*que Modèle
Ajustement MC des paramètres
Reconstructeur MMSE
0 10 20 30 40 50 60
0.0 0.2 0.4 0.6 0.8 1.0 1.2 10+4
Profil Cn2(h) r0
L0
Centroid gain ASO Tracking du telescope
Contraintes
(posi*vité, nombre de couches, al*tudes fixes)
Dévia*ons de la pupille : Transla*on
rota*on, homothé*e
Sépara*on des étoiles
Iden*fica*on du reconstructeur sur le ciel par le Learn & Apply
Introduc*on
Tomographie en boucle ouverte avec étoiles lasers Modélisa*on d’un système de MOAO
Résultats sta*s*ques sur le ciel Conclusions et Perspec*ves
Olivier Mar*n 13
C Learn R
R = C Learn ↵ C ↵↵ Learn + C ↵↵ Noise
1
Évalua*on de l’erreur tomographique
Modélisa*on d’un système de MOAO Résultats sta*s*ques sur le ciel
Conclusions et Perspec*ves
Olivier Mar*n 14
" 2 = E h
k S RS ↵ k 2 i
Erreur tomographique sur les pentes :
" 2 = tr ( C ) 2tr C ↵ R t + tr R C ↵↵ R t
Contribu*on des ASO dans les direc*ons d’intérêts
Mesures des hors-‐axes, propagées à travers le reconstructeur
Terme qui diminue l’erreur !!
TomoTS 2 = MSE ( C , R)
Erreur tomographique sur le front d’onde (nm rms) :
TomoTS 2 = || 2 + Alias 2
+ NoiseTS 2 + NoiseTomo 2 + w 2 + model
TomoIR 2 = || 2 + AliasIR 2 + model (+ NoiseTomo 2 )
Décomposi*on de l’erreur tomographique
Introduc*on
Tomographie en boucle ouverte avec étoiles lasers Modélisa*on d’un système de MOAO
Résultats sta*s*ques sur le ciel Conclusions et Perspec*ves
Olivier Mar*n 15
Décomposi*on totale de l’erreur tomographique :
Turbulence (bas ordres et repliement)
Bruit TS + bruit hors-‐axes
Contribu*on de la convergence + erreur de modélisa*on de la covariance spa*ale (couches non vues, étalonnage, approxima*ons)
Erreur tomographique vue par la caméra IR sur l’axe de CANARY:
Erreur tomographique par couche
Modélisa*on d’un système de MOAO Résultats sta*s*ques sur le ciel
Conclusions et Perspec*ves
Olivier Mar*n 16
0 10 20 30 40
0 5 10 15
Relative Strength (%)
Altitude (km)
|| 2 =
n
lX
l=1
|| 2 (h l )
Indépendance des couches turbulentes :
La décomposi*on de l’erreur tomographique par couche donne une visualisa*on des couches turbulentes qui limitent la performance tomographique
Performance des reconstructeurs MMSE avec l’al*tude des couches turbulentes ? Alias 2 =
n
lX
l=1
Alias 2 (h l )
Compromis performance/robustesse des reconstructeurs MMSE
Introduc*on
Tomographie en boucle ouverte avec étoiles lasers Modélisa*on d’un système de MOAO
Résultats sta*s*ques sur le ciel Conclusions et Perspec*ves
Olivier Mar*n 17
0 20 40 60 80 100
0 2 4 6 8 10
Relative Strength (%)
Altitude (km)
0 20 40 60 80 100
0 2 4 6 8 10
Relative Strength (%)
Altitude (km)
Relative Strength (%)
Altitude (km)
Relative Strength (%)
Altitude (km)
Relative Strength (%)
Altitude (km)
0 20 40 60 80 100
0 2 4 6 8 10
Relative Strength (%)
Altitude (km)
0 20 40 60 80 100
0 2 4 6 8 10
Relative Strength (%)
Altitude (km)
0 20 40 60 80 100
0 2 4 6 8 10
Relative Strength (%)
Altitude (km)
A B C D E
C (h l )
Généra*on d’une matrice de covariance monocouche et sans bruit
Généra*on de reconstructeur 2 couches (0 et 10 km) avec des pondéra*ons rela*ves différentes + reconstructeur op*mal
R A
R B R C R D R E
A 2 = MSE ( C (h l ), R A )
R opt = C ↵ (h l ) ( C ↵↵ (h l )) 1
A
A
A
A
A
B
B
B
B
C
C
C
C
C
D
D
D
D
D
E
E
E
E
E
F F
F
F
A: 100% at 0 km − 0% at 10 km B: 95% at 0 km − 5% at 10 km C: 50% at 0 km − 50% at 10 km D: 5% at 0 km − 95% at 10 km E: 0% at 0 km − 100% at 10 km F: Minimal error
0 5 10 15 20
0 10 20 30 40 50 60
Altitude (km)
Normalized tomographic error (nm)
Compromis performance/robustesse des reconstructeurs MMSE
Modélisa*on d’un système de MOAO Résultats sta*s*ques sur le ciel
Conclusions et Perspec*ves
Olivier Mar*n 18
' 2 h
Compromis de correc*on sur l’ensemble des couches
Al*tude h
l(km)
h h
max(Taille des ssp) (Diamètre du tel.)
Et pour l’E-‐ELT ?
Introduc*on
Tomographie en boucle ouverte avec étoiles lasers Modélisa*on d’un système de MOAO
Résultats sta*s*ques sur le ciel Conclusions et Perspec*ves
Olivier Mar*n 19
h ' d
↵ max
Résolu*on tomographique :
≈ 1500 m sur CANARY
≈ 300 m sur MOSAIC (α
max≈ 7,5’) Al*tude maximale :
h max ' D
↵ min
≈ 15-‐20 km sur CANARY
≈ 30 km sur MOSAIC si α
min≈ 5’
Turbulence essen*ellement comprise entre 0 et ≈ 25 km
il faut iden*fier au minimum de 30
à 40 couches turbulentes sur l’E-‐ELT
Conclusions sur la tomographie en boucle ouverte
Modélisa*on d’un système de MOAO Résultats sta*s*ques sur le ciel
Conclusions et Perspec*ves
Olivier Mar*n 20
² La reconstruc*on MMSE requiert un modèle théorique de la covariance spa*ale dont les paramètres sont iden*fiés sur le ciel avec le L&A
² Opérateur MSE pour calculer les erreurs tomographiques vues par le TS ≠ erreurs tomo.
vues par la camera IR à décomposi*on de l’erreur tomographique
² Tomographie efficace de 0 à h
maxet compromis performance/robustesse aux non
sta*onnarités du profil turbulent des reconstructeurs MMSE à iden*fica*on tous les
2Δh
1. Introduc*on
2. Tomographie en boucle ouverte avec étoiles lasers 3. Modélisa*on d’un système de MOAO
4. Résultats sta*s*ques sur le ciel 5. Conclusions
SOMMAIRE
IMAGE IR Turbulence
r
0, L
0, v(h) , C
n2(h)
Télescope
D, aberra*ons
Instrument de MOAO
ASO, MD, R, gain, retard
−0.5 0.0 0.5
−0.5 0.0 0.5
Arcsecs
Arcsecs
MOAO 4 LGS 2 NGS on ASTT1 in H band SR= 22%
0 20 40 60 80 100 120
0 20 40 60 80 100 120
Est-‐ce que les résultats de CANARY sur le ciel sont prédic*bles ?
Modélisa*on d’un système de MOAO Résultats sta*s*ques sur le ciel
Conclusions et Perspec*ves
Olivier Mar*n 22
Géométrie, magnitudes
Mesure du TS TS 2
IR 2
NCPA
Méthode DMTS
IMAGE IR Turbulence
r
0, L
0, v(h) , C
n2(h)
Télescope
D, aberra*ons
−0.5 0.0 0.5
−0.5 0.0 0.5
Arcsecs
Arcsecs
MOAO 4 LGS 2 NGS on ASTT1 in H band SR= 22%
0 20 40 60 80 100 120
0 20 40 60 80 100 120
Est-‐ce que les résultats de CANARY sur le ciel sont prédic*bles ?
Introduc*on
Tomographie en boucle ouverte avec étoiles lasers Modélisa*on d’un système de MOAO
Résultats sta*s*ques sur le ciel Conclusions et Perspec*ves
Olivier Mar*n 22
Géométrie, magnitudes
Mesure du TS TS 2
NCPA IR 2
Instrument de MOAO
ASO, MD, R, gain, retard
Méthode DTI
IR 2 = BW 2 + Fitting 2 + TomoIR 2
+ OL 2 + NoiseIR 2 + Static 2 + NCPA 2
Méthode DTI (Décomposi*on en Termes Indépendants) :
Évalua*on de la variance de la phase résiduelle
Modélisa*on d’un système de MOAO Résultats sta*s*ques sur le ciel
Conclusions et Perspec*ves
Olivier Mar*n 23
Objec*f : exprimer la variance du front d’onde au niveau de la caméra IR
IR 2 = BW 2 + Fitting 2 + TomoIR 2
+ OL 2 + NoiseIR 2 + Static 2 + NCPA 2
Méthode DTI (Décomposi*on en Termes Indépendants) :
Évalua*on de la variance de la phase résiduelle
Introduc*on
Tomographie en boucle ouverte avec étoiles lasers Modélisa*on d’un système de MOAO
Résultats sta*s*ques sur le ciel Conclusions et Perspec*ves
Olivier Mar*n 23
Objec*f : exprimer la variance du front d’onde au niveau de la caméra IR
Erreur temporelle=
f(gain,retard,v) E r r e u r d e s o u s -‐
modélisa*on = f(D,r
0)
Erreur tomographique
= f(R,C
n2(h))
Erreur d’étalonnage des NCPA
Aberra*ons sta*ques Erreur de bruit = f(gain, retard, bruit ASO)
Erreur de boucle
ouverte = f(M
int, r
0)
IR 2 = BW 2 + Fitting 2 + TomoIR 2
+ OL 2 + NoiseIR 2 + Static 2 + NCPA 2
Méthode DTI (Décomposi*on en Termes Indépendants) :
Évalua*on de la variance de la phase résiduelle
Modélisa*on d’un système de MOAO Résultats sta*s*ques sur le ciel
Conclusions et Perspec*ves
Olivier Mar*n 23
Objec*f : exprimer la variance du front d’onde au niveau de la caméra IR
Erreur temporelle=
f(gain,retard,v)
Erreur tomographique
= f(R,C
n2(h))
Erreur d’étalonnage des NCPA
Aberra*ons sta*ques Erreur de bruit = f(gain, retard, bruit ASO)
Erreur de boucle
ouverte = f(M
int, r
0) E r r e u r d e s o u s -‐
modélisa*on = f(D,r
0)
IR 2 = TS 2 + Fitting 2 + NCPA 2
NoiseTS 2 + AliasIR-TS 2
Méthode DMTS (Détermina*on à par*r de la Mesure du TS) :
Est-‐ce que les résultats de CANARY sur le ciel sont prédic*bles ?
Introduc*on
Tomographie en boucle ouverte avec étoiles lasers Modélisa*on d’un système de MOAO
Résultats sta*s*ques sur le ciel Conclusions et Perspec*ves
Olivier Mar*n 24
Cas isolés (≈1 %):
• Données corrompues
• Mauvaise iden*fica*on des paramètres globaux
• Mauvaise iden*fica*on du profil
• À iden*fier au cas par cas
Biais très faible mais légère dispersion en MOAO sur 2 000 échan*llons :
• Bonne adéqua*on des deux méthodes à toutes les échelles d’erreur
• Méthodes d’es*ma*ons des postes d’erreur rela*vement exactes
• Approxima*ons impactent peu
• Dispersion essen*ellement engendrée par l’évalua*on de l’erreur
d’ajustement (hypothèse à vérifier)
Olivier Mar*n 25
Résultats sur le ciel: contribu*on rela*ves des postes d’erreur
Modélisa*on d’un système de MOAO Résultats sta*s*ques sur le ciel
Conclusions et Perspec*ves
Travail d’analyse
supplémentaire
à mener !!
A A
A
A
B
B
B
A: Reconstructed PSF B: On−sky PSF
0.0 0.5 1.0 1.5 2.0 2.5 3.0
0 20 40 60 80 100
Diameter of the box (arcsec)
Ensquared Energy (%)
−1.0 −0.5 0.0 0.5 1.0
−1.0
−0.5 0.0 0.5 1.0
Reconstructed PSF with SR = 20.7944%
Arcsec
Arcsec
−0.000143042 0.207944
−1.0 −0.5 0.0 0.5 1.0
−1.0
−0.5 0.0 0.5 1.0
On−sky PSF with SR = 23.3721%
Arcsec
Arcsec
Résultats sur le ciel : reconstruc*on de FEP
Introduc*on
Tomographie en boucle ouverte avec étoiles lasers Modélisa*on d’un système de MOAO
Résultats sta*s*ques sur le ciel Conclusions et Perspec*ves
Olivier Mar*n 26
• Méthode rela*vement fiable, permet de res*tuer raisonnablement la EE
• En*èrement issue du budget d’erreur => valida*on supplémentaire de la méthode DTI
• Basée sur des approxima*ons fortes pour CANARY => point à améliorer
• Inclure des données étalonnées supplémentaires (fonc*ons d’infuence réelles du MD)
Budget d’erreur à variances à covariances à fonc*ons de structure de phase à
FTO à FEP
Conclusions sur la modélisa*on d’un système de MOAO
Modélisa*on d’un système de MOAO Résultats sta*s*ques sur le ciel
Conclusions et Perspec*ves
Olivier Mar*n 27
² Valida*on sta*s*que de la modélisa*on d’un système de MOAO à par*r de données ciel acquises avec Canary
² Erreur tomographique dominante (≈40%) dans le budget d’erreur, mais travail supplémentaire à mener sur les aberra*ons sta*ques (≈10%) : origines, étalonnages
² Ou*ls de reconstruc*on de FEP prêt et fiable pour simuler des cas E-‐ELT
1. Introduc*on
2. Tomographie en boucle ouverte avec étoiles lasers 3. Modélisa*on d’un système de MOAO
4. Résultats sta*s*ques sur le ciel 5. Conclusions
SOMMAIRE
Black : Seeing of the whole turbulence
Red : Ground seeing
Blue : Altitude seeing
0.0 0.5 1.0 1.5 2.0
0 100 200 300 400
Seeing (arcsec)
Variabilité des condi*ons d’observa*on
Modélisa*on d’un système de MOAO Résultats sta*s*ques sur le ciel
Conclusions et Perspec*ves
−1.0 −0.5 0.0 0.5
5 10 15 20 25 30 35 40
Local time (hours) ro (at 500 nm)
Une mesure sur 4 s toutes les 10 s
Olivier Mar*n 29
• Turbulence dominée par la couche au sol au WHT
• Seeing en al*tude rela*vement constant
≈ 0,25 ’’
• Forte variabilité du seeing avec le temps, due aux fluctua*ons de la couche au sol
Médiane rms
Seeing 0,650’’ 0,289’’
Seeing sol (< 1km) 0,570’’ 0,300’’
Seeing al*tude 0,230’’ 0,083’’
Slab : 25 mas
Black : Average wind speed
Red : Ground wind speed
Blue : Altitude wind speed
0 5 10 15 20 25
0 100 200 300 400 500
Wind speed (m/s)
Variabilité des condi*ons d’observa*on
Introduc*on
Tomographie en boucle ouverte avec étoiles lasers Modélisa*on d’un système de MOAO
Résultats sta*s*ques sur le ciel Conclusions et Perspec*ves
Olivier Mar*n 30
• Comportement temporel de la turbulence dominé par la couche au sol
• Couches en al*tude plus rapide que la couche au sol
• Grande variabilité de la vitesse des couches en al*tude
Médiane rms
vent 4,2 m/s 2,5 m/s
vent sol (< 1km) 3,2 m/s 1,9 m/s vent al*tude 9,0 m/s 5,7 m/s
Slab : 0,5 m/s
Nombre de couches turbulentes
Modélisa*on d’un système de MOAO Résultats sta*s*ques sur le ciel
Conclusions et Perspec*ves
Olivier Mar*n 31
• Énergie turbulente concentrée dans une voire deux couches
• Couche au sol rela*vement épaisse, concentra*on d’énergie autour de 10 km
• WHT + CANARY + L&A (Δh ≈ 1,5 à 2 km)
=> 4 à 5 couches iden*fiables en moyenne
Performances de CANARY sur le ciel
Introduc*on
Tomographie en boucle ouverte avec étoiles lasers Modélisa*on d’un système de MOAO
Résultats sta*s*ques sur le ciel Conclusions et Perspec*ves
Olivier Mar*n 32
• Trois régimes dis*ncts : SCAO, MOAO 4 LGS 3 NGS et GLAO. Plus notable sur SR que sur EE
• Grande dispersion des résultats -‐> fluctua*ons sta*s*ques + variabilité du C
n2(h)
• Écart SCAO/MOAO plus important à faible seeing
À 0,65’’:
SCAO : SR = 0,34 – EE 200 mas = 47 %
MOAO : SR = 0,26 – EE 200 mas = 43 %
GLAO : SR = 0,18 – EE 200 mas = 37 %
Résultats avec un reconstructeur tomographique op*misé
Modélisa*on d’un système de MOAO Résultats sta*s*ques sur le ciel
Conclusions et Perspec*ves
0.00 0.02 0.04 0.06 0.08
0 20 40 60 80
Gain on the Born Strehl ratio computed from the DTI method (nm)
Frequency
Olivier Mar*n 33
• Résultats MOAO 4 LGS 3 NGS sur A47
• R ciel = iden*fié en amont de l’engagement de la boucle
• R op*misé = iden*fié sur les mesures en boucle engagée
• Comparaison résultats R ciel/op*misé avec méthode DTI
• MOAO : performance limitée par les couches à très haute al*tude (>20 km), et non par l’iden*fica*on du profil turbulent
• GLAO : performance limitée par les couches entre 10 et 15 km très énergé*ques
Earned Strehl points in H band
Conclusions sur les résultats sta*s*ques
Introduc*on
Tomographie en boucle ouverte avec étoiles lasers Modélisa*on d’un système de MOAO
Résultats sta*s*ques sur le ciel Conclusions et Perspec*ves
Olivier Mar*n 34
² Au WHT, couche au sol énergé*que et très variable mais lente et stable en vitesse + Couches en al*tude d’énergie stable mais de vitesse de vent rapide et très variable
² MOAO sta*s*quement plus efficace et robuste que la GLAO, et limitée part les couches à très haute al*tude
² Dispersion des résultats : variabilité des condi*ons d’observa*ons importantes +
fluctua*ons sta*s*ques des observables
1. Introduc*on
2. Tomographie en boucle ouverte avec étoiles lasers 3. Modélisa*on d’un système de MOAO
4. Résultats sta*s*ques sur le ciel 5. Conclusions
SOMMAIRE
Conclusions générales
Introduc*on
Tomographie en boucle ouverte avec étoiles lasers Modélisa*on d’un système de MOAO
Résultats sta*s*ques sur le ciel Conclusions et Perspec*ves
Olivier Mar*n 36
Ø Tomographie en boucle ouverte
² Reconstruc*on MMSE nécessite un modèle de la covariance spa*ale
² Iden*fica*on des paramètres sur le ciel : 30 à 40 couches minimum sur E-‐ELT
² Compromis performance/robustesse des reconstructeurs MMSE
² Méthode d’évalua*on des performances tomographiques avec matrice de covariance
Ø Modélisa*on d’un système de MOAO avec LGS
² Démarche d’analyse avec le budget d’erreur en MOAO validé sta*s*quement pour CANARY
² Méthodologie transposable aux cas E-‐ELT
² Ou*ls de simula*ons fiables (reconstruc*on de FEP) pour préparer l’E-‐ELT
² Mise en évidence de postes d’erreurs à analyser plus finement : aberra*ons sta*ques !!
Ø Résultats sur le ciel de CANARY
² !!!!!!!!!!!!!!!!!!!! Grande variabilité des condi*ons d’observa*ons !!!!!!!!!!!!!!!!!!!!!!!!!
² Performance limitée par les couches à très haute al*tude
² Valida*on de la synthèse tomographique avec LGS
² Fiabilité de la MOAO sta*s*quement démontrée à par*r de données ciel
Perspec*ves
Modélisa*on d’un système de MOAO Résultats sta*s*ques sur le ciel
Conclusions et Perspec*ves
Olivier Mar*n 37
Ø Élargir la reconstruc*on tomographique
² Caractérisa*on de la robustesse des reconstructeurs aux non-‐sta*onnarités du profil turbulent.
Fréquence de mise à jour du reconstructeur ?
² Méthode d’évalua*on des performances tomographiques à tester en LTAO et MCAO
² Reconstruc*on non linéaire à explorer (ex : Réseaux de neurones -‐ Guzman 2012)
Ø Aller plus loin dans la modélisa*on et la valida*on du système
² Op*misa*on de gain/modale sur le ciel à méthode de détermina*on du gain op*mal à tester
² Commande LQG à requiert une modélisa*on plus fine des entrées du systèmeà Valida*on plus abou*e de la MOAO
² U*liser des Étoiles Na pour se rapprocher d’un design MOSAIC et introduire des difficultés supplémentaires à modéliser
Ø Préparer l’E-‐ELT
² Développement hardware/so}ware pour le calcul numérique des reconstructeurs à très grands degrés de liberté (par ex. sur GPU)
² Déterminer des stratégies d’iden*fica*on des reconstructeurs. U*lisa*on d’un profiler externe ?
² Simula*ons cas MOSAIC avec variabilité du profil turbulent
PUIC PUIC ! (MERCI DE VOTRE