Ushbu tadqiqot ko‘rinuvchanlik ma’lumotlarining fazoviy chastotalariga ko‘ra radio-interferometrik tasvirlash ish oqimini ko‘plab hisoblash tugunlariga taqsimlaydigan SMURFIT tizimini ishlab chiqqan va uni 4, 6, 8 hamda 10 tugunli tajribalar bilan sinagan. Sgr A va Sgr B2 atroflaridan olingan ikkita simulyatsiya ma’lumotlar to‘plamida SMURFIT ko‘pchilik tajribalarda ketma-ket ish oqimiga yaqin tasvir sifatini saqlagan holda 10 tugunda taxminan chiziqli hisoblash tezlashuvini ta’minlagan. Taklif etilgan yukni muvozanatlash modeli kichik o‘tish hududlarida hisoblash vaqtining nazariy jihatdan kamida 50 tugungacha masshtablanishi mumkinligini ko‘rsatgan. Biroq tadqiqot haqiqiy SKA kuzatuvlari o‘rniga 512 × 512 pikselli simulyatsiyalarga asoslanadi; ayniqsa kuzatuv muddati qisqa va uv-qamrovi yetarli bo‘lmagan Sgr B2 ma’lumotlar to‘plamida ko‘p masshtabli CLEAN usuli ketma-ket ishlov berishga qaraganda ko‘proq soxta manba va pastroq tasvir sifatini hosil qilgan.

SMURFIT avval faqat past va yuqori fazoviy chastotalarni ikki tugun orasida taqsimlagan SURFIT yondashuvini istalgan sondagi fazoviy chastota sinflariga umumlashtiradi. Har bir tugun ma’lum ko‘rinuvchanlik kichik to‘plamini qayta ishlaydi; birinchi asosiy sikldan so‘ng tugunlar qisman tasvirlarini o‘zaro almashib, yetishmayotgan fazoviy chastota ma’lumotlarini to‘ldiradi. Shu tariqa radio teleskoplaridan keladigan juda katta ma’lumotlar to‘plamlarini bitta tugunning xotirasi, kirish-chiqish va hisoblash quvvatiga bog‘lanmasdan qayta ishlash maqsad qilingan.

Tadqiqotning muhim natijasi faqat tugunlar sonini oshirish emas. Tadqiqotchilar qisqa bazaviy chiziqlarda haddan tashqari zichlashadigan SKA ko‘rinuvchanliklarini sinflar orasida muvozanatlash uchun bazaviy chiziqqa bog‘liq o‘rtachalash va kumulyativ taqsimotga asoslangan yangi bo‘lish usulini ishlab chiqqan. Tajribalarda tugunlarning bo‘sh kutish vaqti past bo‘lib qolishi kuzatilgan tezlashuvning asosiy sabablaridan biri sifatida aniqlangan.

Tadqiqotning asosiy savoli nima?

Tadqiqotning asosiy savoli SKA teleskoplari hosil qiladigan juda katta radio-interferometrik ma’lumotlar to‘plamlarini an’anaviy tasvirlash algoritmlaridan butunlay voz kechmasdan ko‘proq hisoblash tugunlariga qanday taqsimlash mumkinligidir. Tadqiqotchilar ayniqsa ko‘rinuvchanliklarni elektromagnit chastota kanallariga ko‘ra emas, fazoviy chastotalariga ko‘ra bo‘lishni o‘rganadi.

SKA-Mid teleskopining 350 MHz dan 15,35 GHz gacha, SKA-Low teleskopining esa 50–350 MHz oralig‘ida ishlashi rejalashtirilgan. Ko‘p sonli antennalar har bir antenna jufti uchun bazaviy chiziq va unga bog‘liq ko‘rinuvchanlik o‘lchovlarini hosil qiladi. Antennalar soni va kuzatuv davomiyligi ortgani sari ko‘rinuvchanliklar soni milliardlab namunaga yetishi mumkin. Bu holat nafaqat protsessor vaqtini, balki xotira, diskka kirish va tugunlar orasidagi ma’lumot uzatishni ham cheklovchi omilga aylantiradi.

Radio interferometr osmonning bevosita suratini yaratadimi?

Radio interferometr osmonning bevosita ikki o‘lchovli suratini yozib olmaydi. Antenna juftlari osmondagi elektromagnit maydon korrelyatsiyasidan hosil bo‘ladigan kompleks qiymatli ko‘rinuvchanliklarni o‘lchaydi. Bu ko‘rinuvchanliklarni osmon yorqinligi taqsimotining Fourier fazosidagi namunalar deb qarash mumkin.

Tadqiqotda asosiy o‘lchov tenglamasi quyidagi ko‘rinishda berilgan:

\[ V(u,v,w)=C\iint \frac{D(l,m)I(l,m)}{n} e^{-2\pi i[ul+vm+w(n-1)]}\,dl\,dm \]

\[ n=\sqrt{1-l^2-m^2} \]

• V(u,v,w): Antenna jufti tomonidan o‘lchanadigan kompleks ko‘rinuvchanlik qiymati.
• I(l,m): Osmonning yo‘nalish kosinuslaridagi yorqinlik taqsimoti.
• l, m va n: Osmon yo‘nalishini belgilovchi o‘lchovsiz yo‘nalish kosinuslari.
• u, v va w: Antennalar orasidagi bazaviy chiziqning kuzatuv to‘lqin uzunligi bilan masshtablangan koordinatalari.
• C: Antenna kuchaytirishi kabi yo‘nalishga bog‘liq bo‘lmagan instrumental ta’sirlarni ifodalaydi.
• D(l,m): Ionosferadagi faza o‘zgarishlari yoki birlamchi antenna nuri kabi yo‘nalishga bog‘liq ta’sirlarni ifodalaydi.

Antenna massivining Fourier tekisligini to‘liq namunalay olmasligi sababli ushbu tenglamaning teskari yechimi yaxshi shartlangan emas. O‘lchanmagan fazoviy chastotalarni nol deb qabul qilish haqiqiy manbalar atrofida yon loblar va tasvir tuzilmalarini yuzaga keltiradi. Radio tasvirlash algoritmlarining vazifasi yetishmayotgan o‘lchovlar sharoitida imkon qadar aniq osmon modelini hosil qilishdir.

Asosiy va kichik sikllar qanday ishlaydi?

Tadqiqotdagi 1-shakl an’anaviy radio-interferometrik tasvirlash ish oqimini uchta asosiy qadam bilan ko‘rsatadi: de/gridding, baholash va modelni yangilash. Mavjud osmon modeli o‘lchov fazosiga o‘tkaziladi, o‘lchangan ko‘rinuvchanliklardan ayiriladi va qolgan xato tasvir tekisligiga qaytariladi.

n-inchi asosiy siklda qoldiq tasvir quyidagicha hisoblanadi:

\[ \tilde{\imath}^{\,n}=F^{\dagger}G \left(v-G^{\dagger}F\hat{\imath}^{\,n}\right) \]

• v: O‘lchangan ko‘rinuvchanlik vektori.
• F va F^†: Ikki o‘lchovli tez Fourier almashtirishi va uning teskarisi.
• G va G^†: Notekis ko‘rinuvchanlik namunalarini muntazam Fourier panjarasiga olib boruvchi gridding va teskari de-gridding operatorlari.
• îⁿ: n-inchi asosiy sikl boshidagi osmon modeli.
• ĩⁿ: Model bilan o‘lchov orasidagi qoldiq yoki birinchi sikldagi “iflos tasvir”.

Baholash algoritmi o‘lchov operatori hosil qilgan nuqta yoyilish funksiyasini qoldiq tasvirdan ajratishga urinadi. Olingan qoldiq osmon modeli mavjud modelga qo‘shiladi:

\[ \hat{\imath}^{\,n+1}=\hat{\imath}^{\,n}+\bar{\imath}^{\,n} \]

Deconvolution algoritmining o‘zida ham takrorlanishlar mavjud bo‘lgani uchun tashqi jarayon “asosiy sikl”, ichki jarayon esa “kichik sikl” deb ataladi.

SURFIT ko‘rinuvchanliklarni qanday bo‘ladi?

SURFIT ko‘rinuvchanliklarni uv-tekisligidagi markazdan uzoqligiga ko‘ra ikkita halqasimon sinfga ajratadi. Markazga yaqin ko‘rinuvchanliklar past fazoviy chastotalarni va osmondagi yirik masshtabli tuzilmalarni; markazdan uzoq ko‘rinuvchanliklar esa yuqori fazoviy chastotalar va nozik tafsilotlarni ifodalaydi.

2-shaklda past chastota sinfi L, yuqori chastota sinfi H va ularning ustma-ust tushuvchi o‘tish hududi ko‘rsatilgan. O‘tish hududining markaziy radiusi ℓ, yarim kengligi esa δ bilan belgilanadi. Ustma-ust tushish ikki sababga ko‘ra zarur:

• Convolutional gridding jarayoni bitta ko‘rinuvchanlik namunasini qo‘shni panjara kataklariga yoygani sabab sinflarni keskin chiziq bilan ajratib bo‘lmaydi.
• Keskin Fourier kesimlari tasvir tekisligida jiringlash va tebranish yuzaga keltirishi mumkinligi uchun yumshoq o‘tish kerak.

3-shaklda ikkita SURFIT tugunining ish tartibi ko‘rsatilgan. Birinchi asosiy siklda har bir tugun faqat o‘z fazoviy chastota oralig‘ini qayta tiklaydi. Ikkinchi asosiy sikldan boshlab tugunlar filtrlangan deconvolution qoldiqlarini bir-biriga yuboradi. Kelgan tasvirlar tugunda mavjud bo‘lmagan ko‘rinuvchanliklar o‘rnini bosuvchi taxminiy ma’lumot sifatida ishlatiladi. Yakuniy bosqichda ikkita to‘liq aniqlikdagi tasvir vaznli o‘rtacha bilan birlashtiriladi.

SMURFIT SURFIT’dan nimasi bilan farq qiladi?

SMURFIT ikki sinfli SURFIT tuzilmasini K ta fazoviy chastota sinfiga va shunga mos K ta hisoblash tuguniga umumlashtiradi. Har bir tugun V₀…V_K−1 ko‘rinuvchanlik kichik to‘plamlaridan birini qayta ishlaydi va qolgan K−1 tugundan filtrlangan tasvirlarni oladi.

Bu umumlashtirish faqat ko‘proq jarayonni ishga tushirish bilan amalga oshmaydi. Deconvolution algoritmlari boshqa barcha tugunlardan kelgan tasvirlarni ayni maqsad funksiyasiga qo‘shadigan tarzda qayta ta’riflanishi kerak.

L1 muntazamlashtirilgan deconvolution qanday umumlashtirilgan?

Tadqiqotda ishlatilgan birinchi usul to‘lqincha fazosida siyrak yechim izlaydigan L1 muntazamlashtirilgan qavariq deconvolution usulidir. Bitta tugunli asosiy masala quyidagicha:

\[ \alpha^n=\arg\min_{\alpha} \left\|\tilde{\imath}^{\,n}-HW\alpha\right\|_2^2+ \lambda^n\|\alpha\|_1 \]

\[ \bar{\imath}^{\,n}=W\alpha^n \]

• H: Nuqta yoyilish funksiyasi bilan convolution operatori.
• W: To‘lqincha almashtirish operatori.
• α: To‘lqincha koeffitsiyentlari.
• λ: Ma’lumotga moslik bilan siyrak yechim orasidagi muvozanatni belgilovchi muntazamlashtirish parametri.
• ||α||₁: Koeffitsiyentlarning mutlaq qiymatlari yig‘indisi bo‘lib, ortiqcha komponentlarni bostiradi.

SMURFIT’da j-inchi tugun uchun maqsad funksiyasiga boshqa barcha tugunlardan kelgan tasvirlarning moslik hadlari qo‘shiladi:

\[ \begin{aligned} \alpha^{n}_{V_j}=\arg\min_{\alpha}\{& \|\Gamma_j(\tilde{\imath}^{\,n}_j-H_jW\alpha)\|_2^2+ \lambda^{n}_{V_j}\|\alpha\|_1 \\ &+\gamma_n\sum_{\substack{k=0\\k\neq j}}^{K-1} \|\rho^{\,n-1}_k-\Gamma_kW\alpha\|_2^2\} \end{aligned} \]

\[ \rho^{\,n-1}_k= \sum_{i=1}^{n-1}\Phi^i_k- \Gamma_k\sum_{i=1}^{n-1}\bar{\imath}^{\,i}_{V_j} \]

\[ \Phi^i_k=\Gamma_k\bar{\imath}^{\,i}_{V_k} \]

Γ_j va Γ_k faqat tegishli tugunning fazoviy chastota diapazonini o‘tkazadigan filtrlardir. ρ_k boshqa tugundan olingan tasvir bilan j-inchi tugunning oldingi bahosida allaqachon mavjud bo‘lgan ayni chastota komponentlari orasidagi farqni ifodalaydi. Shu tariqa bir xil ma’lumot ikki marta qo‘shilmaydi.

Birinchi asosiy siklda boshqa tugunlardan oldingi tasvir mavjud bo‘lmagani uchun γ_n nolga teng. Keyingi sikllarda γ_n birga tenglashtiriladi va tugunlararo ma’lumot maqsad funksiyasiga kiritiladi.

Nega muntazamlashtirish parametri qayta ta’riflangan?

Ikki tugunli SURFIT’da λ parametrini qoldiq tasvir normasi va asosiy sikl soniga bog‘liq oddiy kamayish qoidasi bilan tanlash mumkin edi:

\[ \lambda^n=a\|\tilde{\imath}^{\,n}\|_2\,b^n \]

Tadqiqotda bu qoida ko‘p tugunda har bir tugun uchun alohida qo‘lda sozlashni talab qilishi aniqlangan. Buning o‘rniga noldan farqli yechim hosil qilish mumkin bo‘lgan L1 muntazamlashtirish chegarasiga asoslangan λ_max ishlatilgan:

\[ \lambda^{n}_{\max,V_j} =2\left\|W^{\dagger} \left( H_j^{\dagger}\Gamma_j^{\dagger}\Gamma_j\tilde{\imath}^{\,n}_j+ \gamma_n\sum_{\substack{k=0\\k\neq j}}^{K-1} \Gamma_k^{\dagger}\rho^{\,n-1}_k \right)\right\|_{\infty} \]

Haqiqiy muntazamlashtirish qiymati ushbu yuqori chegaraning bir qismi sifatida tanlanadi:

\[ \lambda^{n}_{V_j}=c\,\lambda^{n}_{\max,V_j} \]

\[ c=a+(1-a) \frac{\exp[b(n-1)/N]}{\exp(b)-1} \]

a birinchi sikldagi c qiymatini; b asosiy sikllar davomida o‘sish qiyaligini; N esa jami asosiy sikllar sonini belgilaydi. Sikllar davom etgani sari qoldiq tasvir shovqin ustun bo‘lgan holatga kelgani uchun c oshiriladi. Oxirgi asosiy siklda c ning birga yetishi algoritmning shovqinni ortiqcha qayta tiklashini cheklashga qaratilgan.

Ko‘p masshtabli CLEAN qanday ko‘p tugunli qilingan?

Ikkinchi usul bo‘lgan ko‘p masshtabli CLEAN qoldiq tasvirdagi eng yorqin komponentni mos fazoviy masshtabda tanlab modelga qo‘shadigan ochko‘z algoritmdir:

\[ \bar{\imath}^{\,n} =\operatorname{ms\mbox{-}CLEAN} (\tilde{\imath}^{\,n},H,S,K_{\mathrm{iter}}) \]

SMURFIT’da har bir tugun uchun mahalliy qoldiq tasvir bilan boshqa tugunlardan kelgan tasvirlar birlashtirilib, go‘yoki to‘liq aniqlikdagi qoldiq tasvir va nuqta yoyilish funksiyasi hosil qilinadi:

\[ \tilde{\imath}^{\,n}_{V_j} =\mu_j\Gamma_j\tilde{\imath}^{\,n}_j+ \sum_{\substack{k=0\\k\neq j}}^{K-1} \mu_kH_k\rho^{\,n-1}_k \]

\[ H_{V_j}= \mu_j\Gamma_jH_j+ \sum_{\substack{k=0\\k\neq j}}^{K-1} \mu_k\Gamma_kH_k \]

μ koeffitsiyentlari turli tugunlarning normallashtirilgan nuqta yoyilish funksiyalarini to‘g‘ri vaznlar bilan birlashtiradi. L1 usulidan farqli ravishda ms-CLEAN uchun teskari dispersiya vazni ishlatilmagan; tadqiqotchilar bu vaznni ochko‘z CLEAN qadamlariga qanday qo‘llash aniq emasligini bildiradi.

Yukni muvozanatlash muammosi qanday hal qilingan?

De/gridding jarayoni jami vaqtning katta qismini tashkil qilgani uchun har bir tugun taxminan bir xil sondagi ko‘rinuvchanlikni qayta ishlashi kerak. Ko‘rinuvchanliklar izotropik halqalarga ajratilgani sabab ikki o‘lchovli uv-tekislik masalasi markazdan uzoqlik ishlatiladigan bir o‘lchovli taqsimotga keltirilgan.

P(x) normallashtirilgan ko‘rinuvchanlik zichligi, C(x) esa kumulyativ taqsimot funksiyasidir:

\[ C(x)=\int_{-\infty}^{x}P(u)\,du \]

K sinf uchun K−1 ta o‘tish markazi ℓ₁…ℓ_K−1 tanlanadi. Har bir sinfning ko‘rinuvchanlik ulushi α bo‘ladigan tarzda quyidagi shartlar izlanadi:

\[ C(\ell_1+\delta)=\alpha \]

\[ C(\ell_n+\delta)-C(\ell_{n-1}-\delta)=\alpha, \quad n\in\{2,\ldots,K-1\} \]

\[ 1-C(\ell_{K-1}-\delta)=\alpha \]

α ma’lum bo‘lganda o‘tish markazlarini ketma-ket hisoblash mumkin:

\[ \ell_1(\alpha)=C^{-1}(\alpha)-\delta \]

\[ \ell_n(\alpha)= C^{-1}\left[C(\ell_{n-1}(\alpha)-\delta)+\alpha\right]-\delta \]

Oxirgi sinf ham ayni kattalikda bo‘lishi uchun quyidagi ildiz yechiladi:

\[ C(\ell_{K-1}-\delta)+\alpha-1=0 \]

Funksiya α ga nisbatan monoton bo‘lgani uchun tadqiqotchilar ikkiga bo‘lish usulidan foydalangan. O‘tish hududlari bir-biri ustiga haddan tashqari tushsa yoki uchtadan ko‘p sinf bir xil ko‘rinuvchanliklarni o‘z ichiga olsa, tuzilma yaroqsiz deb qabul qilingan. Bu cheklov bir ko‘rinuvchanlikning ko‘p tugunda qayta-qayta ishlanishini va juda tor chastota oynalarining katta yon loblar hosil qilishini oldini oladi.

Nega bazaviy chiziqqa bog‘liq o‘rtachalash kerak?

SKA-Mid AA4 antenna tuzilmasida ko‘p sonli qisqa bazaviy chiziqlar mavjud bo‘lgani sabab ko‘rinuvchanliklar uv-tekisligining markazida haddan tashqari zichlashadi. 5-shaklning yuqori gistogrammasida o‘rtachalash qo‘llanmaganda besh sinf o‘tish hududlarining katta darajada ustma-ust tushishi va muvozanatli bo‘lish muvaffaqiyatsiz bo‘lishi ko‘rsatilgan.

Tadqiqotchilar bu muammoni bazaviy chiziqqa bog‘liq o‘rtachalash (baseline-dependent averaging, BDA) bilan kamaytirgan. BDA qisqa bazaviy chiziqlardagi zich namunalarni ko‘proq, uzun bazaviy chiziqlardagilarni esa kamroq o‘rtachalab, ma’lumot zichligini muvozanatlashtiradi. Ruxsat etilgan umumiy korrelyatsiya yo‘qotilishi quyidagicha ta’riflanadi:

\[ \rho=\rho_f\rho_t \]

\[ \rho_f=\operatorname{sinc} \left(\frac{\pi\nu_{\Delta}\tau_g}{2}\right) \]

\[ \tau_g=\frac{1}{c} \left[ul+vm+w(n-1)\right] \]

\[ \rho_t=\operatorname{sinc} \left\{\pi T\left( \frac{du}{dt}l+ \frac{dv}{dt}m+ \frac{dw}{dt}(n-1) \right)\right\} \]

Qisqa integratsiya muddatlarida vaqt sababli korrelyatsiya yo‘qotilishi uchinchi darajali Taylor yaqinlashuvi bilan hisoblanadi:

\[ \rho_t\approx 1-\frac{\pi^2T^2}{6} \left( \frac{du}{dt}l+ \frac{dv}{dt}m+ \frac{dw}{dt}(n-1) \right)^2 \]

• ρ: O‘rtachalashdan keyin saqlanadigan korrelyatsiyaning o‘lchovsiz nisbati.
• ρ_f: Chastota bo‘yicha o‘rtachalash sababli decorrelation qiymati.
• ρ_t: Vaqt bo‘yicha o‘rtachalash sababli decorrelation qiymati.
• ν_Δ: Kanal o‘tkazish kengligi.
• T: Integratsiya davomiyligi, soniyalarda.
• τ_g: Manba bilan faza markazi orasidagi geometrik kechikish, soniyalarda.

uv-koordinatalarning vaqt hosilalari bazaviy chiziqning gorizontal komponentlari va Yerning aylanish tezligi yordamida hisoblangan:

\[ \frac{du}{dt}= \frac{1}{\lambda} (L_x\cos H-L_y\sin H)\omega \]

\[ \frac{dv}{dt}= \frac{1}{\lambda} (L_x\sin\delta_s\sin H+ L_y\sin\delta_s\cos H)\omega \]

\[ \frac{dw}{dt}= \frac{1}{\lambda} (-L_x\cos\delta_s\sin H- L_y\cos\delta_s\cos H)\omega \]

Bu yerda λ kuzatuv to‘lqin uzunligini, H soat burchagini, δ_s manba deklinatsiyasini, L_x va L_y bazaviy chiziq komponentlarini ifodalaydi. Yerning aylanish tezligi ω = 7,2925 × 10⁻⁵ rad/s sifatida ishlatilgan.

Tajribalarda faqat vaqt o‘qi bo‘yicha o‘rtachalash bajarilgan va eng yomon holatdagi decorrelation asos qilib olingan. Ma’lumot tuzilmasini saqlash maqsadida o‘rtachalash darajalari ikkining darajalari sifatida tanlangan. 5-shaklning quyi gistogrammasida ρ > 0,99 chegarasidagi BDA’dan so‘ng ko‘rinuvchanlik zichligi sezilarli darajada muvozanatlashgani va sinflarni ancha tekis ajratish mumkin bo‘lgani ko‘rsatilgan.

Simulyatsiya ma’lumotlar to‘plamlari qanday yaratilgan?

Ikkala ma’lumotlar to‘plami uchun avval teleskop geometriyasi va kuzatuv parametrlariga ko‘ra ko‘rinuvchanlik joylashuvlari simulyatsiya qilingan, so‘ng osmon modeli shu joylashuvlarga de-grid qilinib ko‘rinuvchanlik qiymatlari yaratilgan va oxirgi bosqichda shovqin qo‘shilgan. Osmon modellari MeerKAT 1,28 GHz Galaktika markazi mozaikasidan olingan va chetlari yumshatilgan Sgr A hamda Sgr B2 kesmalaridir.

6-shakldagi iflos tasvirlar ma’lumotlar to‘plamlarining turli xususiyatlarini ko‘rsatadi. Sgr A tasviri uzoqroq kuzatuv va zichroq uv-qamrov sababli tartibliroq markaziy tuzilishga ega. Sgr B2 tasvirida esa qisqaroq kuzatuv bilan bog‘liq keng yon lob va shovqin tuzilmalari aniqroq ko‘rinadi.

Tajribalarning asosiy natijalari qanday?

Hisoblash tezlashuvi

7-shaklda o‘lchangan devor soati tezlashuvlari mukammal yuk muvozanati farazidan olingan nazariy chiziqlarga yaqin ekani ko‘rinadi. O‘n tugunda tajribaviy tezlashuv ma’lumotlar to‘plami va deconvolution usuliga qarab grafikdan taxminan 7,5–8,5 baravar oralig‘idadir. Bu qiymat mukammal 10 baravar tezlashuvdan past bo‘lsa-da, tugunlar soni bilan katta darajada chiziqli ortadi.

ms-CLEAN L1 deconvolution’dan tezroq ishlagan. Biroq deconvolution jami vaqtning kichik qismini tashkil qilgani uchun ikki usulning masshtablanish egri chiziqlari orasida katta farq bo‘lmagan.

Sgr A tasvir sifati

8-shaklning Sgr A panellarida to‘rt dan o‘n tugungacha bo‘lgan SMURFIT natijalarining yakuniy signal-shovqin nisbatlari ketma-ket ish oqimiga va bir-biriga yaqin chiqqan. L1 deconvolution natijalari oxirgi asosiy sikllarda taxminan 12–13 dB darajasiga yetgan, ms-CLEAN natijalari esa taxminan 10–11 dB oralig‘ida jamlangan.

ms-CLEAN natijalari ketma-ket ish oqimining yakuniy qiymatidan biroz past qolgan. Buning asosiy sababi SMURFIT boshqa tugunlardan oldingi asosiy siklda yaratilgan tasvirlardan foydalanishi va shu sabab ketma-ket ish oqimidan taxminan bir asosiy sikl ortda borishidir.

Sgr B2 tasvir sifati

Sgr B2 ma’lumotlar to‘plamida SMURFIT bilan ketma-ket ish oqimi orasidagi farq kattaroq. Ayniqsa ms-CLEAN tugunlar soni oshgani sari ketma-ket ish oqimidan pastroq signal-shovqin nisbatlarini hosil qilgan. 9-shakldagi o‘n tugunli tasvirda haqiqiy manbalar atrofida ko‘proq sun’iy nuqta va tarqalgan xato ko‘rinadi.

Sgr B2 kuzatuvi atigi 30 daqiqalik soat burchagi oralig‘iga ega bo‘lsa, Sgr A kuzatuvi to‘rt soat davom etadi. Qisqaroq kuzatuv uv-tekislikni siyrakroq namunalaydi va nuqta yoyilish funksiyasidagi yon loblarni kattalashtiradi. Fazoviy chastotalarni ko‘proq sinfga bo‘lish har bir tugunning tayanchini toraytirgani uchun bu yon loblar yanada yaqqol bo‘ladi.

10-shakldagi nuqta yoyilish funksiyasi kesimlari Sgr B2 ning o‘n tugunli sinfida markaziy cho‘qqi atrofidagi tebranishlar ketma-ket yechimdagidan kuchliroq ekanini ko‘rsatadi. Eng yorqin komponentni ochko‘z tarzda tanlaydigan ms-CLEAN bu yon loblarni haqiqiy manba deb talqin qilishi mumkin.

Har tugun uchun parametr sozlash

Tadqiqotchilar Sgr B2 uchun har bir tugun parametrlarini qo‘lda sozlagan. 11-shaklga ko‘ra ms-CLEAN natijalari yaxshilangan, biroq kamroq soxta manba olish uchun aniqlikdan voz kechishga to‘g‘ri kelgan va ketma-ket yechim sifatiga yetilmagan. L1 usulida muntazamlashtirish parametrini sekinroq oshirish esa natijalarni ketma-ket ish oqimiga taxminan tenglashtirgan.

Tasvir sifati bilan vaqt birgalikda baholanganda

12-shakl tasvir sifatini bevosita o‘tgan vaqtga nisbatan ko‘rsatadi. To‘rt tugunli SMURFIT ham beshta asosiy siklning barchasini ketma-ket ish oqimi faqat oldindan ishlov bosqichini tugata olgan vaqtdan oldin yakunlagan. Demak ayrim holatlarda tasvir sifatidagi cheklangan yo‘qotish ancha qisqaroq hisoblash vaqti evaziga yuz beradi.

Asosiy tor joy qaysi jarayon?

13-shaklda L1 va Sgr A tajribalarining har tugun bo‘yicha vaqtlari o‘qish, gridding, de-gridding, deconvolution, kutish va boshqa jarayonlarga ajratilgan. Barcha tugun konfiguratsiyalarida eng katta qism ma’lumotni o‘qish vaqtidir.

Tadqiqotchilar vaqtning ko‘p qismi jismoniy disk uzatishidan ko‘ra casacore dasturidagi table.query chaqiruvida va RASCIL’ning disk tartibini o‘zining xotiradagi ma’lumot tuzilmasiga aylantirishida sarflanishini aniqlagan. O‘lchov to‘plamini oldindan qayta tartiblash va satrlarni bevosita o‘qish bu tor joyni kamaytiradigan asosiy yaxshilanish sifatida taklif qilingan.

Tugunlar soni oshgani sari L1 deconvolution xarajati ham ortgan. Buning sababi har tugundan olingan tasvir uchun mahalliy tuzilmani saqlovchi 5 × 5 harakatlanuvchi oyna bilan dispersiya hisoblanishidir. ms-CLEAN teskari dispersiya vaznidan foydalanmagani uchun unda bu xarajat kamroq ortadi.

Kutish vaqtlarining jami vaqtga nisbatan kichik qolishi yukni muvozanatlash usuli samarali ekanini ko‘rsatadi. Biroq rekursiv sinf chegarasi hisobidagi kichik xatolar oxirgi sinfda to‘plangani sabab yuqori tugun sonlarida oxirgi tugun boshqalaridan biroz uzoqroq ishlagan.

Kattaroq tasvirlarda nima kutiladi?

Tajriba tasvirlari 512 × 512 pikseldir. Tadqiqotda SKA-Low bir nuqtali tasvirlari taxminan 4.000 × 4.000, SKA-Mid tasvirlari esa taxminan 20.000 × 20.000 pikselga yetishi mumkinligi bildirilgan. SMURFIT har asosiy siklda tugunlar orasida tasvir uzatgani uchun bunday o‘lchamlarda tarmoq aloqasi potensial tor joydir.

Tadqiqotchilarning avvalgi tajribalarida 10.000 × 10.000 pikselgacha tasvir uzatish vaqti ortgan bo‘lsa-da, deconvolution va de/gridding vaqtlari ham o‘xshash nisbatlarda oshgan va aloqa vaqti boshqa jarayonlardan kichik qolgan. Shunga qaramay, tadqiqot haqiqiy SKA o‘lchamlarini sinash uchun tasvirni kichik qismlarga bo‘lish, yanada masshtablanuvchi deconvolution va samaraliroq gridding usullari kerakligini bildiradi.

Nazariy jihatdan 50 tugungacha masshtablanishi mumkinmi?

14-shakl BDA decorrelation chegarasi ρ va o‘tish yarim kengligining ko‘rish maydoniga nisbati δ:FoV o‘zgartirilib, 50 sinfgacha nazariy hisoblarni taqdim etadi. Kichik o‘tish hududlarida 1/α bilan ifodalangan nazariy tezlashuv 50 tugunda taxminan 40–45 baravar darajaga yaqinlashadi.

O‘tish hududlari kattalashgani sari qo‘shni sinflar o‘rtasida nusxalanadigan ko‘rinuvchanliklar soni ortadi, jami ish yuki n × α qiymati ko‘tariladi va yaroqli sinf konfiguratsiyalari erisha oladigan tugunlar soni kamayadi. BDA ning eng katta hissasi birinchi bir foizlik decorrelation oralig‘ida paydo bo‘lgan; ρ qiymatini 0,99 dan ko‘proq pasaytirish yuk taqsimotiga ancha cheklangan qo‘shimcha hissa bergan.

15-shakl 20 tugunli tuzilma uchun ildiz funksiyasini ko‘rsatadi. Katta o‘tish hududlarida funksiya ildiz atrofida juda tik bo‘lgani uchun sonli yechim qiyinlashadi. Shu sabab 50 tugunli natijalar haqiqiy hisoblash va tasvir sifati tajribasi emas, balki yukni muvozanatlash modelidan olingan nazariy bashoratlardir.

Tadqiqotning kuchli tomonlari nimalar?

• Ikki tugunli usulni ixtiyoriy sondagi fazoviy chastota sinfiga matematik tarzda umumlashtiradi.
• Ham keng tarqalgan ms-CLEAN algoritmini, ham L1 muntazamlashtirilgan qavariq deconvolution usulini sinaydi.
• Yukni muvozanatlash muammosini ko‘rinuvchanlik taqsimotining kumulyativ funksiyasiga asoslangan aniq tenglamalar bilan hal qiladi.
• SKA antenna tuzilmasidagi qisqa bazaviy chiziq zichligini BDA yordamida bevosita hisobga oladi.
• 4, 6, 8 va 10 tugunli haqiqiy yuqori unumli hisoblash tajribalarini o‘tkazadi.
• Hisoblash vaqtini faqat jami vaqt sifatida emas, balki o‘qish, gridding, de-gridding, deconvolution va kutish komponentlariga ajratadi.
• Tasvir sifati bilan hisoblash tezligini birgalikda baholaydi.
• Muvaffaqiyatsiz yoki zaif natija bergan Sgr B2 va ms-CLEAN holatini ochiq ko‘rsatadi.
• Kod, konfiguratsiyalar, natijalar va ma’lumotlar to‘plamlari uchun onlayn repozitoriy beradi.

Tadqiqotning cheklovlari nimalar?

• Tadqiqot peer-reviewdan o‘tmagan preprintdir.
• Tajribalar haqiqiy SKA kuzatuv ma’lumotlari bilan emas, MeerKAT tasvirlaridan yaratilgan simulyatsiya ko‘rinuvchanliklari bilan bajarilgan.
• Tasvirlar 512 × 512 pikseldir va kutilayotgan SKA ishlab chiqarish tasvirlaridan ancha kichik.
• Tajribalar ko‘pi bilan 10 tugunda o‘tkazilgan; 50 tugun natijasi faqat yukni muvozanatlash modeliga asoslangan.
• Shovqin SKA sezgirlik kalkulyatoridan olinmagan; signal standart og‘ishining %5 qismi sifatida belgilangan.
• Simulyatsiyalarda manbalarning haqiqiy osmon koordinatalari o‘rniga soxta RA-DEC koordinatalari ishlatilgan.
• Har tugunga xos parametr sozlash masshtablanuvchi bo‘lmagani sabab asosiy taqqoslashlarda bir xil deconvolution parametrlari ishlatilgan.
• SMURFIT bir asosiy siklga teng axborot kechikishiga ega.
• Yomon uv-qamrovda, ayniqsa ms-CLEAN ishlatilganda, tasvir sifati sezilarli kamayishi mumkin.
• Ma’lumotni o‘qish tartibi va RASCIL/casacore so‘rovlari jami vaqtning katta qismini tashkil qiladi.
• Kattaroq tasvirlarda tugunlararo uzatish, xotira sarfi va deconvolution xarajati hali ishlab chiqarish masshtabida sinalmagan.

Tadqiqot nimani qo‘llab-quvvatlaydi?

• Radio-interferometrik tasvirlash ko‘rinuvchanliklarini fazoviy chastotaga ko‘ra ko‘p sonli tugunlarga taqsimlash mumkinligini qo‘llab-quvvatlaydi.
• Taklif etilgan yukni muvozanatlash va BDA kombinatsiyasi 4–10 tugun orasida past bo‘sh kutish vaqtini ta’minlay olishini ko‘rsatadi.
• Yaxshi uv-qamrovga ega Sgr A ga o‘xshash holatda taqsimlangan yechim ketma-ket ishlov berishga yaqin tasvir sifatini hosil qila olishini ko‘rsatadi.
• O‘n tugunda taxminan 7,5–8,5 baravar hisoblash tezlashuvi mumkinligini ko‘rsatadi.
• L1 muntazamlashtirilgan deconvolution yomon uv-qamrov sharoitida ms-CLEAN ga qaraganda bardoshlilikroq bo‘lishi mumkinligini ko‘rsatadi.
• Kichik o‘tish hududlari nusxalanadigan ko‘rinuvchanliklarni kamaytirib, nazariy masshtablanishni yaxshilashini ko‘rsatadi.

Tadqiqot nimani isbotlamaydi?

• SMURFIT barcha radio manbalari va barcha kuzatuv tuzilmalarida ketma-ket ishlov bilan bir xil tasvir sifatini berishini isbotlamaydi.
• Haqiqiy SKA ma’lumot oqimini ishlab chiqarish muhitida muvaffaqiyatli qayta ishlash mumkinligini ko‘rsatmaydi.
• Ellik tugunda tasvir sifati qabul qilinadigan darajada qolishini tajribaviy ko‘rsatmaydi.
• Yigirma ming piksel kengligidagi SKA-Mid tasvirlarida tarmoq va xotira tor joylari ahamiyatsiz bo‘lishini isbotlamaydi.
• ms-CLEAN ko‘p tugunli foydalanishda har qanday sharoitda mos ekanini ko‘rsatmaydi.
• Ishlatilgan %5 nisbiy shovqin darajasi haqiqiy SKA instrumental shovqinini ifodalashini ko‘rsatmaydi.
• Nazariy tezlashuv tugunlar soni bilan cheksiz tarzda chiziqli davom etishini isbotlamaydi.

Tadqiqot usuli va natijalari

Ma’lumotlar to‘plami va kuzatuv parametrlari

Shovqin haqiqiy SKA sezgirligiga ko‘ra hisoblanmagan. Tadqiqotda manbalar dJy va cJy masshtabida, SKA sezgirlik kalkulyatori esa µJy masshtabida qiymatlar ishlab chiqargani sabab shovqin signal standart og‘ishining %5 qismi sifatida belgilangan.

BDA oldidan va undan keyingi ko‘rinuvchanliklar soni

BDA faqat ma’lumot hajmini kamaytirmagan, balki qisqa bazaviy chiziqlardagi haddan tashqari zichlikni pasaytirib, sinflar orasida yanada muvozanatli taqsimot hosil qilgan.

Fazoviy chastota sinflari

α qiymati o‘tish hududlaridagi ustma-ust tushish sabab aynan 1/K emas. Sinflar soni ortgani sari ko‘proq o‘tish hududi hosil bo‘ladi va ayrim ko‘rinuvchanliklar qo‘shni tugunlarda takrorlanadi.

Deconvolution parametrlari

Ketma-ket ish oqimi bilan SMURFIT ayni asosiy deconvolution parametrlari bilan beshta asosiy sikl ishlatilgan. ms-CLEAN ning birinchi asosiy siklida ishlatiladigan fazoviy masshtablar cheklangan chastota o‘tkazish kengligi sabab oldindan o‘tkazilgan tajribalar bilan tanlangan.

Dasturiy ta’minot va hisoblash infratuzilmasi

Asosiy topilmalar xulosasi

Umumiy natija shuki, yetarli uv-qamrov va mos deconvolution usuli mavjud bo‘lganda SMURFIT radio-interferometrik tasvirlashni fazoviy chastotaga ko‘ra samarali tarzda taqsimlay oladi. Biroq usul haqiqiy SKA ishlab chiqarish ma’lumotlarida, kattaroq tasvirlarda va 10 dan ortiq tugunda tasdiqlanishi kerak.

Manba va usul bo‘yicha izoh

Tadqiqotning to‘liq asl nomi:SMURFIT: Spatial-frequency Multi-class Radio Fourier Imaging Technique

Mualliflar va tartibi: Sunrise Wang, Simon Prunet, Shan Mignot va Andre Ferrari.

Teng birinchi muallif: Tadqiqotda teng hissa yoki teng birinchi mualliflik ma’lumoti ko‘rsatilmagan.

Mas’ul muallif: Sunrise Wang. Tadqiqotda aloqa manzili sunrise.wang@oca.eu sifatida berilgan.

Institutsional aloqadorlik: Université Côte d’Azur, Observatoire de la Côte d’Azur, CNRS, 06000 Nice, Fransa. Yuklangan versiyada to‘rt muallif ham bir xil institutsional belgi ostida ko‘rsatilgan.

DOI:10.2139/ssrn.6967740.

Jurnal: Muayyan peer-reviewli jurnal nomi berilmagan. Tadqiqotning birinchi sahifasida “Preprint submitted to Elsevier” iborasi mavjud; bu ibora o‘z-o‘zidan Elsevier jurnalida qabul qilingan yoki nashr qilinganlik dalili emas.

Nashr platformasi: SSRN.

Asl nashriyot: Peer-reviewli yakuniy jurnal nashriyoti tasdiqlanmagan.

Nashr yili: 2026. Matnda preprint topshirilgan sana 17 iyun 2026, SSRN ro‘yxatga olingan sana esa 19 iyun 2026 deb ko‘rsatilgan.

Manba turi: Sonli usul, simulyatsiya ma’lumotlari tahlili va yuqori unumli hisoblash tajribalarini o‘z ichiga olgan texnik tadqiqot preprinti.

Peer-review holati: Ushbu tadqiqot peer-reviewdan o‘tmagan preprintdir; natijalar ushbu cheklov hisobga olinib o‘qilishi kerak. Har bir sahifaning pastida ham tadqiqot peer-reviewdan o‘tmagani ko‘rsatilgan.

Rasmiy nashr havolasi:SSRN rasmiy tadqiqot yozuvi.

Kod va tajriba repozitoriysi:Tadqiqotchilarning radio tasvirlash repozitoriysi.

Ushbu turkcha izoh yuklangan tadqiqot matni, formulalari, jadvallari, grafiklari va tasvirlari boshidan oxirigacha o‘rganib chiqilib tayyorlangan. Ilmiy topilmalarga tashqi manbalardan yangi natija qo‘shilmagan. Tashqi tekshiruv faqat mualliflarning to‘liq ismlari, tartibi, DOI, SSRN yozuvi va nashr holatini nazorat qilish uchun ishlatilgan.

Tadqiqotning asosiy metodologik chegaralari: haqiqiy SKA ma’lumoti o‘rniga simulyatsiyadan foydalanilishi, tasvirlarning 512 × 512 piksel bilan cheklanishi, shovqinning haqiqiy asbob sezgirligi o‘rniga signal standart og‘ishining %5 qismi sifatida belgilanishi, tajribalar ko‘pi bilan 10 tugunda o‘tkazilgani va 50 tugunli natija faqat nazariy yukni muvozanatlash bashorati ekanidir. Sgr B2 tajribalari shuningdek zaif uv-qamrov taqsimlangan deconvolution sifatiga jiddiy ta’sir qilishi mumkinligini ko‘rsatadi.