基于GPU加速并行算法的亚米级口径光子筛性能评估研究

针对含有108-109个针孔的光子筛(PS)性能评估计算效率低下的难题，研究人员开发了基于GPU加速的并行化算法，实现了比96核CPU快10倍的运算速度，并建立了涵盖离轴校正、色差、制造误差等多因素影响的仿真模型，为空间望远镜等大孔径光学系统设计提供了高效工具。

　　

在太阳观测领域，0.1角秒级的高空间分辨率是揭示日冕加热机制的关键。当前最先进的High-Resolution Coronal Imager (Hi-C)仅能达到0.25角秒分辨率，而光子筛(Photon Sieve, PS)作为菲涅尔波带片(FZP)的衍生产物，因其在紫外和X射线波段的独特优势，成为突破这一极限的希望。然而，具有实用价值的PS往往包含10⁸-10⁹个针孔，传统单核CPU仿真需耗时数日，严重制约了PS的设计优化进程。

中国科学院的研究团队通过GPU加速并行算法和个体远场模型，将仿真效率提升10倍。该研究创新性地引入高阶离轴校正项R₃，开发出能同时分析理想条件（如Hα波段656.28 nm成像）与非理想因素（色差、景深、褶皱等）的全套仿真工具。以FalconSAT-7卫星搭载的PS（含25亿针孔）为参照，团队设计的测试系统仅需其7%的针孔量，却实现了对多视场成像性能的系统评估。

关键技术包括：1）基于CUDA架构的并行化算法优化；2）个体远场模型的高阶离轴校正；3）包含制造误差的蒙特卡洛不确定性分析。研究结果显示，在5米焦距、19.3 nm波长条件下，100 mm口径PS可实现0.1角秒分辨率，其GPU加速算法使单次仿真时间从24小时缩短至2.4小时。

【个体远场模型的工程应用】
通过推导R₂项与经典F₁模型的数学等价性，验证了离轴角γ≠0′时的成像偏差修正必要性，为VISORS等空间望远镜项目提供理论支撑。

【Hα波段PS设计】
针对656.28 nm地面测试系统，优化得到8′视场、0.9填充因子的设计方案，平衡了分辨率与工程可行性。PSF衰减分析表明，±0.01 nm带宽会导致中心光斑能量衰减23%。

【成像性能评估】
引入"PSF衰减"量化指标，发现针孔位置误差需控制在±2 μm以内，表面褶皱振幅应<λ>

【仿真局限性与逆向设计】
虽然模型无法完全复现实验中的散射噪声，但通过R₃项修正显著提升了离轴成像预测精度，支持PS参数的逆向优化。

该研究不仅解决了大孔径PS"算不动"的核心痛点，更建立了从理论建模到工程应用的完整技术链条。其GPU加速算法已被应用于我国太阳极区观测站(GJ11020204)等项目，为下一代空间太阳望远镜的研制提供了关键工具。论文发表于《Optics》期刊，相关工作获得中国科学院战略性先导专项(XDB0560000)和国家重点研发计划(2022YFF0503003)支持。