Caracterización y desarrollo de modelos de redes neuronales artificiales como reconstructores de òptica adaptativa

Abstract

La tesis se centra en el desarrollo y aplicación de técnicas de inteligencia artificial, particularmente redes neuronales en la óptica adaptativa, buscando nuevas soluciones y líneas de investigación. El objetivo principal es estudiar la viabilidad del uso de modelos de inteligencia artificial en reconstrucción para óptica adaptativa basándose en CARMEN, un sistema de reconstrucción nocturna, se plantean diferentes líneas de investigación que podrían abrirse aplicando diversas metodologías o modificaciones en la estructura o planteamiento del problema de óptica adaptativa. Se presentan, como resultados, el estudio del uso de información de recurrencia en el entrenamiento de las redes, dado que la turbulencia atmosférica es un fenómeno en continua evolución, para comprobar la viabilidad de sistemas recurrentes. Seguidamente, se presenta la aplicación de modelos de redes en diferentes configuraciones de óptica adaptativa, particularmente la aproximación convolucional, y configuraciones novedosas como con el uso del sensor TPI-WFS, presentando el reconstructor CRONOS. Además, se plantea la reconstrucción para óptica adaptativa solar, donde las características del sol complican el problema a considerar, al ser una estrella muy cercana que modifica las condiciones de medición. Se presenta una primera técnica con redes neuronales para este campo, el reconstructor proto-HELIOS, que corrige la turbulencia atmosférica cuando se observan secciones del sol. La tesis estudia satisfactoriamente la viabilidad de las redes neuronales en los diversos casos de aplicación de óptica adaptativa, sentando las bases en diversas líneas de investigación para futuros desarrollos, además de presentar satisfactoriamente los primeros resultados en dichas líneas.