MétaCan
Menu
Retour à la cohorte
Enregistrement W1983486803 · doi:10.1117/12.858028

Data reduction pipeline for the Gemini Planet Imager

2010· article· en· W1983486803 sur OpenAlexaff
Jérôme Maîre, Marshall D. Perrin, René Doyon, Étienne Artigau, Jennifer Dunn, Donald T. Gavel, James R. Graham, David Lafreniére, James Larkin, Jean‐François Lavigne, Bruce Macintosh, Christian Marois, Rebecca Oppenheimer, David W. Palmer, Lisa Poyneer, Simon Thibault, Jean‐Pierre Véran

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2010
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdaptive optics and wavefront sensing
Établissements canadiensUniversité LavalNational Research Council CanadaHerzberg Institute of AstrophysicsUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésPipeline (software)Computer scienceModular designData reductionRaw dataReduction (mathematics)Contrast (vision)Remote sensingPlanetCalibrationComputer visionArtificial intelligencePhysicsGeologyData miningAstronomyMathematics

Résumé

récupéré en direct d'OpenAlex

The Gemini Planet Imager (GPI) high-contrast adaptive optics system, which is currently under construction for Gemini South, has an IFS as its science instrument. This paper describes the data reduction pipeline of the GPI science instrument. Written in IDL, with a modular architecture, this pipeline reduces an ensemble of highcontrast spectroscopic or polarimetric raw science images and calibration data into a final dataset ready for scientific analysis. It includes speckle suppression techniques such as angular and spectral differential imaging that are necessary to achieve extreme contrast performances for which the instrument is designed. This paper presents also raw GPI IFS simulated data developed to test the pipeline.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0200,022

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,246
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetAdaptive optics and wavefront sensingTravaux en français237 207