MétaCan
Menu
Retour à la cohorte
Enregistrement W2076156614 · doi:10.1117/12.927236

The HIA MCAO laboratory bench

2012· article· de· W2076156614 sur OpenAlexaff
Jean‐Pierre Véran, Eric McWeigh, David R. Andersen, Carlos Correia, Glen Herriot, John Pazder

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2012
Typearticle
Languede
DomainePhysics and Astronomy
ThématiqueAdaptive optics and wavefront sensing
Établissements canadiensHerzberg Institute of Astrophysics
Organismes subventionnairesnon disponible
Mots-clésComputer scienceMATLABCalibrationTest benchTelescopeSoftwareTomographic reconstructionFilter (signal processing)Software deploymentSimulationPhysicsOpticsComputer visionIterative reconstructionEmbedded system

Résumé

récupéré en direct d'OpenAlex

This paper presents an update on the design and deployment of the HIA MCAO laboratory bench. This bench directly supports the development of NFIRAOS, the first light MCAO facility for the Thirty Meter Telescope. The bench implements a closed-loop MCAO system, with two magnetic DMs, four LGS Shack-Hartmann WFSs, two NGS T/T WFS, one NGS T/T/F WFS and one higher order Truth WFS, making up a scaled down version of NFIRAOS. The bench includes several artificial turbulence screens and reproduces realistic LGS spot elongations. It is driven by software in Matlab, frame-rates ranging from 1Hz to 15Hz. The goals of this bench are to anchor the NFIRAOS end-toend simulation tools; to exercise real-time LGS tomographic AO in a variety of well controlled conditions, such as faint and poorly corrected NGSs, non-uniformities in the sodium layer and field dependant Non-Common-Path Aberrations (NCPAs); develop and demonstrate calibration procedures, such as PSF reconstruction and tomographic reconstruction and correction of field dependant NCPAs; and to validate optimization methods that operate at 10+ second time scales, which is not tractable in a numerical simulation, such as matched filter update and Cn2 estimation using a SLODAR method.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,823
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 GPT0,224
Écart entre enseignants0,214 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations7
Publié2012
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