MétaCan
Menu
Retour à la cohorte
Enregistrement W2082212707 · doi:10.1117/12.918708

High fidelity optical modeling for the TMT

2011· article· en· W2082212707 sur OpenAlexfundno aff
Carl Nissly, Byoung-Joon Seo, Mitchell Troy, George Z. Angeli, Myung‐Haing Cho, Brent L. Ellerbroek, Piotr Piatrou, Lewis C. Roberts, J. C. Shelton, Lianqi Wang

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2011
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdaptive optics and wavefront sensing
Établissements canadiensnon disponible
Organismes subventionnairesOntario Ministry of Research and InnovationBritish Columbia Knowledge Development FundNatural Sciences and Engineering Research Council of CanadaJet Propulsion LaboratoryAssociation of Canadian Universities for Research in AstronomyNational Aeronautics and Space AdministrationCalifornia Institute of TechnologyGordon and Betty Moore FoundationNational Science Foundation
Mots-clésAdaptive opticsWavefrontComputer scienceDeformable mirrorPrimary mirrorOpticsWavefront sensorProcess (computing)TelescopeFidelityActive opticsPhysics

Résumé

récupéré en direct d'OpenAlex

The Thirty Meter Telescope (TMT) is a Ritchey-Chritien optical telescope with a 30-meter diameter primary mirror made up of 492 hexagonal segments. Such a large and complex optical system requires detailed modeling of the optical performance during the design phase. An optical modeling computational framework has been developed to support activities related to wavefront & image performance prediction. The model includes effects related to mirror shape sensing & control, mirror alignment & phasing, M1 segment control, low order wavefront correction, adaptive optics simulation for high order wavefront correction, and high contrast imaging. Here we give an overview of this optical simulation framework, the modeling tools and algorithms that are used, and a set of sample analyses. These tools have been used in many aspects of the system design process from mirror specification to instrument & sensor design to algorithm development and beyond.

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 candidatesaucune
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 enseignants0,889
Score d'incertitude au seuil0,943

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,022
Tête enseignante GPT0,232
Écart entre enseignants0,209 · 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'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

Citations2
Publié2011
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