통계분석 및 전산모사 기법을 이용한 적응광학 시스템 성능 예측

한석기; 주지용; 이준호; 박상영; 김영수; 정용석; 정도환; 허준; 이기훈

추천

검색

질문

자료유형: 학술저널

저자정보: 한석기 (공주대학교) 주지용 (공주대학교) 이준호 (공주대학교) 박상영 (한화시스템) 김영수 (한화시스템) 정용석 (한화시스템) 정도환 (한화시스템) 허준 (방위산업기술지원센터) 이기훈 (방위산업기술지원센터)

저널정보: 한국광학회 한국광학회지 한국광학회지 제33권 제4호

발행연도: 2022.8

수록면: 167 - 176 (10page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

적응 광학(adaptive optics, AO)은 대기 외란을 실시간으로 보정하는 기술을 말하고, 이러한 적응광학의 효율적 개발을 위하여, 다양한 성능예측 기법을 도입하여 적응광학이 적용된 시스템 성능 예측을 실시한다. 적응광학의 성능 예측 기법으로 자주 사용되는 기법으로는 통계분석, 전산모사 및 광학 벤치 테스트가 있다. 통계분석에서는 적응광학 시스템을 통계 분석 모델로 가정하여 오차값(분산)의 제곱을 전부 합쳐 스트렐비를 간단하게 추정한다. 다만, 하위 변수 간의 상관 관계는 무시되어 이에 따른 추정의 오류는 존재한다. 다음으로, 전산모사는 대기 난류, 파면센서, 변형거울, 폐쇄 루프 등 모든 구성요소를 가능한 한 실제와 가깝게 모델링하고, 시간 흐름에 따른 적응광학 시스템의 변화를 모두 구현하여 성능 예측을 수행한다. 다만, 전산모사 모델과 현실 사이에는 여전히 일부 차이가 있어, 광학 벤치 테스트를 통하여 시스템 성능을 확인한다. 최근 국내에서 개발된 변형 거울을 적용한 1.6 m 지상 망원경용 적응광학 시스템을 개발 중에 있어, 이에 적용 가능한 적응광학 시스템을 통하여 성능 예측 기법이 요구되며 동시에 성능 예측 기법의 비교를 진행하고자 한다. 앞서 언급된 통계분석 및 전산모사를 이용하여 시스템 성능 예측을 수행하였으며, 성능 예측의 분석을 위해 각각의 성능 예측 기법의 망원경 및 적응광학 시스템 모델링 과정 및 결과를 제시하였다. 이때 성능 예측을 위한 대기 조건으로는 보현산 관측 중앙값(median)을 적용하였다. 그 결과 통계 분석 방법의 경우 평균 스트렐 비가 0.31이 도출됨을 확인하였고, 전산모사 방법의 경우 평균 스트렐 비가 0.32를 가짐을 확인함으로써 두 방법에 의한 예측이 거의 유사함을 확인할 수 있었다. 추가적으로, 전산모사의 경우 해석 결과의 신뢰성을 확보하기 위하여, 모사 시간이 대기 임계 시간 상수의 약 240배인 0.9초 이상 수행되어야 함을 알 수 있었다.

Adaptive optics (AO) systems compensate for atmospheric disturbance, especially phase distortion, by introducing counter-wavefront deformation calculated from real-time wavefront sensing or prediction. Because AO system implementations are time-consuming and costly, it is highly desirable to estimate the system’s performance during the development of the AO system or its parts. Among several techniques, we mostly apply statistical analysis, computational simulation, and optical-bench tests. Statistical analysis estimates performance based on the sum of performance variances due to all design parameters, but ignores any correlation between them. Computational simulation models every part of an adaptive optics system, including atmospheric disturbance and a closed loop between wavefront sensor and deformable mirror, as close as possible to reality, but there are still some differences between simulation models and reality. The optical-bench test implements an almost identical AO system on an optical bench, to confirm the predictions of the previous methods. We are currently developing an AO system for a 1.6-m ground telescope using a deformable mirror that was recently developed in South Korea. This paper reports the results of the statistical analysis and computer simulation for the system’s design and confirmation. For the analysis, we apply the Strehl ratio as the performance criterion, and the median seeing conditions at the Bohyun observatory in Korea. The statistical analysis predicts a Strehl ratio of 0.31. The simulation method similarly reports a slightly larger value of 0.32. During the study, the simulation method exhibits run-to-run variation due to the random nature of atmospheric disturbance, which converges when the simulation time is longer than 0.9 seconds, i.e., approximately 240 times the critical time constant of the applied atmospheric disturbance.

#Adaptive optics #Atmospheric turbulence #Deformable mirror #Telescope #System design #적응광학 #대기 난류 #변형거울 #망원경 #시스템 설계

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

한석기

소속기관 공주대학교

주요연구분야 자연과학 > 물리학 공학 > 기계공학 > 항공우주공학

논문수 13 이용수 352

주지용

소속기관 공주대학교

주요연구분야 자연과학 > 물리학

논문수 4 이용수 155

이준호

소속기관 공주대학교

주요연구분야 자연과학 > 물리학 TOP 10% 공학 > 전기전자공학 > 정보통신공학

논문수 23 이용수 1,250

박상영

소속기관 연세대학교

주요연구분야 공학 > 기계공학 > 항공우주공학 TOP 0.5% 공학 > 전기전자공학 > 정보통신공학

논문수 130 이용수 14,368

김영수

소속기관 한화시스템

주요연구분야 자연과학 > 물리학

논문수 4 이용수 159

정용석

소속기관 한화시스템

주요연구분야 자연과학 > 물리학

논문수 1 이용수 81

정도환

소속기관 한화시스템

주요연구분야 자연과학 > 물리학 공학 > 기계공학 > 항공우주공학

논문수 7 이용수 211

허준

소속기관 방위산업기술지원센터

주요연구분야 자연과학 > 물리학 공학 > 기계공학 > 항공우주공학

논문수 4 이용수 1,186

이기훈

소속기관 방위산업기술지원센터

주요연구분야 자연과학 > 물리학

논문수 2 이용수 95

이 논문과 함께 이용한 논문

천문학에서의 대용량 자료 분석

신민수 응용통계연구 2016 .10

기술의 진보와 혁신, 그리고 사회변화: 특허빅데이터를 이용한 정량적 분석

김용대 , 정상조 , 장원철 외 1명 응용통계연구 2016 .10

저궤도 인공위성에 적용되는 심층강화학습 기술 동향

이현수 , 김중헌 한국통신학회논문지 2023 .02

기계학습을 기반한 일사량 예측 기법의 연구동향 분석

한태규 , 김의년 , 소다영 외 2명 한국통신학회 학술대회논문집 2022 .11

BERT 모델과 지식 그래프를 활용한 지능형 챗봇

유소엽 , 정옥란 한국전자거래학회지 2019 .08

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2023-425-000243517

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)