Letting a telescope reshape incoming light after every snapshot may split stars that look like oneاگر تلسکوپ بعد از هر عکس، شکل نور ورودی را دوباره تنظیم کند، شاید بتواند ستاره‌هایی را که به نظر یکی می‌آیند از هم تفکیک کند
Scientists built a method where a telescope reshapes starlight after each snapshot, guided by what it just learned. In computer tests, its errors were 2-3 times closer to the best accuracy physics allows than ordinary imaging.دانشمندان روشی ساخته‌اند که در آن یک تلسکوپ، نور ستاره را پس از هر عکس و بر اساس چیزی که همان لحظه یاد گرفته، دوباره شکل می‌دهد. در آزمایش‌های کامپیوتری، خطاهای این روش نسبت به تصویربرداری معمولی، 2-3 برابر به بهترین دقتی که فیزیک اجازه می‌دهد نزدیک‌تر بود.
ترجمهٔ ماشینی است؛ برای دقت به متن اصلی انگلیسی مراجعه کنید.
Why it matters
Every telescope blurs light a little, so two stars sitting very close together smear into a single blob. The usual fix is to build a bigger mirror, which costs enormous amounts of money. This method instead puts a small screen in the light path that bends the light in a chosen pattern, then changes that pattern after each exposure as the telescope works out where the stars probably are. It could one day help find planets around other stars, but so far it only exists inside a computer, and it would need screens that change their pattern thousands of times per second to keep up with real air.هر تلسکوپی نور را کمی تار می‌کند، به همین دلیل دو ستاره‌ای که خیلی به هم نزدیک‌اند، در تصویر به یک لکه‌ی واحد تبدیل می‌شوند. راه‌حل معمول ساختن آینه‌ای بزرگ‌تر است که هزینه‌ی بسیار زیادی دارد. این روش به‌جای آن، یک صفحه‌ی کوچک در مسیر نور قرار می‌دهد که نور را به شکلی خاص خم می‌کند، و این الگو را بعد از هر نوردهی تغییر می‌دهد، همان‌طور که تلسکوپ می‌فهمد ستاره‌ها احتمالاً کجا هستند. این روش ممکن است روزی در یافتن سیاره‌های دور ستارگان دیگر کمک کند، اما تا الان فقط در کامپیوتر وجود دارد و به صفحه‌هایی نیاز دارد که الگویشان را هزاران بار در ثانیه تغییر دهند تا بتوانند با هوای واقعی هماهنگ شوند.
Who's behind it: Seungman Choi, Peter Menart, Andrew Schramka and Zubin Jacob, Purdue University. Funded by the U.S. Air Force Office of Scientific Research; the authors declare no conflicts of interest.
Summary by the Lemma AI · how we grade