WSClean 스킬

WSClean은 Measurement Set에서 정리된 이미지를 생성하는 전파 간섭계 이미징 도구입니다. LOFAR, MWA, VLA, ASKAP, SKA와 같은 전파 망원경 데이터를 다룰 때 이 스킬을 사용하세요.

사용 시점

Measurement Set (.ms) 파일로부터 전파 간섭계 데이터 이미징
가시도 데이터의 CLEAN 디컨볼루션
분해된 소스에 대한 다중 스케일 세정
다중 주파수 합성 (광대역 이미징)
편광 이미징
방향 의존적 보정이 포함된 패싯 기반 이미징
셀프-캘리브레이션 루프 (모델 생성)

Docker 접근

WSClean은 컴파일이 복잡합니다. Docker를 사용하세요:

docker run --rm -it d3vnull0/rapthor-mildtec:smoke wsclean [옵션] <입력.ms>

데이터 디렉토리 마운트: -v /호스트/경로:/컨테이너/경로:rw

기본 명령 구조

wsclean [옵션] <입력-ms> [<두번째-ms> [...]]

중요: 여러 개의 measurement set은 반드시 동일한 위치로 위상 회전되어야 합니다.

필수 파라미터

이미지 설정 (항상 필요)

-size <너비> <높이> - 이미지 픽셀 크기 (짝수여야 함)
-scale <값> - 픽셀 스케일 (예: 2asec, 1amin, 0.01deg)
-name <접두사> - 출력 파일명 접두사 (기본값: 'wsclean')

디컨볼루션 제어

-niter <n> - 최대 반복 횟수 (크게 설정, 예: 1000000)
-auto-threshold <시그마> - sigma×RMS에 도달하면 중지 (권장: 1-5)
-mgain <이득> - 메이저 루프 이득: 0.85 (안전), 0.95 (공격적)
- 중요: mgain=1.0이면 셀프-캘리브레이션 불가 (MODEL_DATA 업데이트 없음)
-auto-mask <시그마> - 자동 마스킹 임계값 (-auto-threshold와 함께 권장)

가중치

-weight briggs <로버스트> - Briggs 가중치 (-2 ~ +2, 일반적: -0.5, 0, 0.5)
-weight uniform - 최대 분해능
-weight natural - 최대 감도

고급 기능

-multiscale - 분해된 소스에 대한 다중 스케일 CLEAN
-channels-out <n> - 대역폭을 N개의 이미지로 분할
-join-channels - 다중 주파수 디컨볼루션
-pol <목록> - 편광: I, Q, U, V 또는 XX, XY, YX, YY
-join-polarizations - 편광 디컨볼루션

일반적인 워크플로우

1. 빠른 더티 이미지 (세정 없음)

docker run --rm -v $(pwd):/data:rw d3vnull0/rapthor-mildtec:smoke \
  wsclean -size 2048 2048 -scale 5asec -name quick /data/obs.ms

2. 표준 세정

wsclean -size 4096 4096 -scale 2asec \
  -niter 100000 -auto-threshold 3 \
  -weight briggs 0 -mgain 0.85 \
  -name standard obs.ms

3. 심층 다중 스케일 세정 (최고 품질)

wsclean -size 8192 8192 -scale 1asec \
  -multiscale -multiscale-scale-bias 0.7 \
  -niter 1000000 -auto-threshold 1 -auto-mask 5 \
  -weight briggs -0.5 -mgain 0.85 \
  -name deep obs.ms

4. 다중 주파수 합성 (4채널)

wsclean -size 4096 4096 -scale 2asec \
  -channels-out 4 -join-channels \
  -multiscale -niter 500000 \
  -auto-threshold 3 -mgain 0.85 \
  -name mfs obs.ms

5. 편광 이미징

wsclean -size 4096 4096 -scale 2asec \
  -pol xx,yy -join-polarizations \
  -niter 100000 -auto-threshold 3 \
  -mgain 0.85 -name pol obs.ms

6. 셀프-캘리브레이션 이미징

# 중요: MODEL_DATA 업데이트를 위해 mgain < 1.0
wsclean -size 4096 4096 -scale 2asec \
  -niter 100000 -auto-threshold 3 \
  -mgain 0.85 -multiscale -auto-mask 5 \
  -name selfcal obs.ms

출력 파일

-name myimage 사용 시:

myimage-dirty.fits - 더티 이미지
myimage-image.fits - 세정/복원된 이미지
myimage-model.fits - 모델 (CLEAN 구성 요소)
myimage-residual.fits - 세정 후 잔여물
myimage-psf.fits - 점 확산 함수

다중 채널: myimage-0000-image.fits, myimage-0001-image.fits 등 다중 편광: myimage-I-image.fits, myimage-Q-image.fits 등

빠른 참조 - 주요 파라미터

파라미터	목적	일반적인 값
`-niter`	최대 반복 횟수	100000-1000000
`-auto-threshold`	N×sigma에서 중지	1-5 (낮을수록 깊게)
`-mgain`	메이저 루프 이득	0.85 (안전), 0.95 (빠름)
`-auto-mask`	마스킹 임계값	3-5 sigma
`-weight briggs`	가중치 로버스트성	-0.5 (분해능), 0 (균형), 0.5 (감도)
`-multiscale-scale-bias`	스케일 선호도	0.6-0.7
`-channels-out`	출력 채널	4-16 일반적
`-j`	CPU 스레드	기본값: 모든 코어

일반적인 문제

세정 발산

-mgain을 0.7 또는 0.8로 낮춤
다중 스케일 사용 시 -multiscale-gain 0.1 사용
-major-iteration-mode single 시도

메모리 부족

-abs-mem 32 사용 (또는 적절한 GB)
-size 줄이거나 -scale 증가
분광 이미징 시 -deconvolution-channels 사용

셀프-캘리브레이션 불가

mgain < 1.0인지 확인 (1.0이 아님!)
MODEL_DATA 컬럼은 mgain < 1.0일 때만 업데이트됨

이미지 품질 저하

분해된 소스에 대해 -multiscale 사용
깊은 세정을 위해 -auto-mask 5 추가
가중치 확인: -weight briggs 0 시도

상세 참조가 필요한 경우

복잡한 시나리오의 경우, 이 디렉토리의 참조 파일을 참조하세요:

reference/parameters.md - 완전한 파라미터 문서
reference/workflows.md - 고급 워크플로우 (패싯, 주 빔 등)
reference/troubleshooting.md - 상세 문제 해결 가이드

필요 시 Read 도구를 사용하여 이 파일들에 접근하세요.

모범 사례

항상 -auto-threshold 사용 (절대 임계값이 아닌)
높은 -niter 설정하고 임계값이 세정을 멈추도록 함
mgain 0.85 사용하여 강건한 Cotton-Schwab 세정 수행
분해된 소스에는 다중 스케일 - Högbom보다 항상 우수
깊은 세정을 위해 -auto-mask 5와 -auto-threshold 1 조합
이미지 크기는 짝수여야 함 - 가능하면 2의 거듭제곱
합성 빔당 약 5-6 픽셀이 적절한 샘플링을 위해 필요

문서

전체 문서: https://wsclean.readthedocs.io/
알고리즘 논문: Offringa & Smirnov 2017 (https://arxiv.org/abs/1706.06786)

d3v-null/wsclean-skill

wsclean-skill란 무엇인가요?

즐겨 사용하는 AI에게 물어보기

문서