MétaCan
Menu
Retour à la cohorte
Enregistrement W2037260551 · doi:10.1086/505990

The Strehl Efficiency of Adaptive Optics Systems

2006· article· en· W2037260551 sur OpenAlexaff
Réne Racine

Notice bibliographique

RevuePublications of the Astronomical Society of the Pacific · 2006
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdaptive optics and wavefront sensing
Établissements canadiensUniversité de MontréalUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésStrehl ratioAdaptive opticsPhysicsOpticsWavefrontDeformable mirrorCurvatureCompensation (psychology)StarsComputer scienceMathematicsAstrophysics

Résumé

récupéré en direct d'OpenAlex

Strehl ratios achieved on bright guide stars by 19 adaptive optics (AO) systems of various dimensions are examined. Both types of systems exhibit a similarly stronger attenuation of instrumental aberrations with smaller subapertures. With the same number of wave‐front sensor subapertures, curvature systems are generally found to be more efficient than Shack‐Hartmann systems at attenuating turbulence‐induced optical phase variance. Consequently, curvature systems use fainter guide stars to achieve the same performance as Shack‐Hartmann systems. The contrast is stronger for larger systems. Possible causes of these differences are discussed. Calibration errors of non–common‐path aberrations appear to be the most important. The compensation of the guide star image itself seems to be beneficial for large curvature systems. The likely performance of future very large systems are briefly discussed. A plea is made to encourage astronomical AO teams to uniformly and optimally characterize the on‐sky performance of their systems.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,708
Score d'incertitude au seuil0,302

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,010
Tête enseignante GPT0,207
Écart entre enseignants0,197 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations12
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePublications of the Astronomical Society of the PacificMême sujetAdaptive optics and wavefront sensingTravaux en français237 207