Динамические изменения атмосферной турбулентности и снижение яркости наблюдаемой цели значительно влияют на точность обнаружения фронта волны датчиком Шак-Хартмана (SHWFS). Для решения этих двух сложных условий наблюдения в данной работе предлагается нейронная сеть на основе архитектуры Transformer, обладающая отличной глобальной модельной способностью, которая может с высокой точностью реконструировать фронт волны из изображений массива световых пятен SHWFS. Через моделирование при динамических типичных длинах когерентности атмосферной турбулентности r₀ остаточная среднеквадратическая ошибка фронта волны предлагаемой модели стабилизируется в диапазоне от 0.010 до 0.024 мкм. По сравнению с существующими методами, предложенный подход может более точно восстанавливать аберрации фронта волны. Кроме того, точность реконструкции данного метода мало зависит от изменений яркости направляющей звезды или наблюдаемой цели. Следовательно, предлагаемый метод обладает высокой стабильностью точности реконструкции при изменениях двух условий наблюдения, предлагая перспективный способ для высокоразрешающей астрономической оптической телескопии с большим диаметром.

адаптивная оптика; глубокое обучение; датчик фронта волны Шак-Хартмана; Transformer; реконструкция фронта волны