First Demonstration of Kernel Phase Interferometry on JWST/MIRI: Prospects for Future Planet Searches Around Post Main Sequence Stars

Auteurs : Chelsea Adelman, Steph Sallum, Matthew De Furio, Josh Eisner

arXiv: 2510.13064v1 - DOI (astro-ph.IM)
11 pages, 5 figures. Submitted to SPIE Optics and Photonics Astronomical Applications Proceedings Volume 13627, Techniques and Instrumentation for Detection of Exoplanets XI, paper #13627-21

Résumé : Kernel phase interferometry (KPI) is a post-processing technique that treats a conventional telescope as an interferometer by accurately modeling a telescope pupil as an array of virtual subapertures. KPI provides angular resolution within the diffraction limit by eliminating instrumental phase errors to first order. It has been successfully demonstrated to boost angular resolution on both space- and ground-based observatories, and is especially useful for enhancing space telescopes, as their diameters are smaller than the largest ground-based facilities. Here we present the first demonstration of KPI on JWST/MIRI data at 7.7 microns, 10 microns, and 15 microns. We generate contrast curves for 16 white dwarfs from the MIRI Exoplanets Orbiting White dwarfs (MEOW) Survey, finding significantly deeper contrast at small angular separations compared to traditional imaging with JWST/MIRI, down to within $\lambda$/D. Additionally, we use our KPI setup to successfully recover four known companions orbiting white dwarfs and brown dwarfs. This analysis shows that at these wavelengths KPI can uniquely access the orbital parameter space where inward-migrating post-main-sequence giant exoplanets are now thought to exist. We discuss the prospects for applying KPI to a larger sample of white dwarfs observed with JWST, increasing the volume of directly imaged close-in post-main-sequence exoplanets.

Soumis à arXiv le 15 Oct. 2025

Explorez l'arbre d'article

Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel

Accédez également à nos Résumés, ou posez des questions sur cet article à notre Assistant IA.

Recherchez des articles similaires (en version bêta)

En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.