AI4AO: The inevitable future to see the stars

A novel, Machine Learning method is presented to solve control-specific problems related to Adaptive Optics techniques, as well as an evidence of its use against other well-known techniques of adaptive control. Several methods are discussed for solving the presented problem [aberration correction in real time], from which the use of LSTM+RNN is highly recommended and defended in this report. The LSTM+RNN model has the capacity of calculating not just the first Zernike nodes but the entire node range, at an optimal calculus speed of less than one millisecond per matrix, demonstrating its potency against more traditional opto-mechanical controllers. Plus, the LSTM+RNN model has showed improved results over time, overall improved processor performance and optimized calculus of a wavefront, Zernike based model. Furthermore, several improvements are discussed at the end of the report, where Artificial Intelligence methods are the key to new, improved Adaptive Optics.Se presenta una metodología basada en Aprendizaje Automático para solventar el problema de uso de controladores para la corrección en lazo cerrado en técnicas de Óptica Adaptativa. Se estudian varios modelos para discutir la eficacia de distintas metodologías frente al problema presentado. El modelo final, el presentado en este Trabajo Final de Máster como RNN+LSTM, tiene la capacidad de modelar un frente de onda en todo el rango de nodos de Zernike en menos de un milisegundo por matriz, demostrando así su eficacia para eliminar el uso de otros tipos de control más tradicionales. Posee mayor precisión en cálculo a la hora de predecir la evolución de una serie temporal de un frente de onda, así como mayor optimización de uso de procesador y tiempos de evaluación. Por último, se discute una serie de mejoras para trabajos futuros, donde se podría discutir la eliminación total o parcial de sensores y solo utilizar tecnologías basadas en Inteligencia Artificial