<i>Planck</i>2013 results. IV. Low Frequency Instrument beams and window functions
Notice bibliographique
Résumé
This paper presents the characterization of the in-flight beams, the beam window functions, and the associated uncertainties for the Planck Low Frequency Instrument (LFI). Knowledge of the beam profiles is necessary for determining the transfer function to go from the observed to the actual sky anisotropy power spectrum. The main beam distortions affect the beam window function, complicating the reconstruction of the anisotropy power spectrum at high multipoles, whereas the sidelobes affect the low and intermediate multipoles. The in-flight assessment of the LFI main beams relies on the measurements performed during Jupiter observations. By stacking the datafrom multiple Jupiter transits, the main beam profiles are measured down to –20 dB at 30 and 44 GHz, and down to –25 dB at 70 GHz. The main beam solid angles are determined to better than 0.2% at each LFI frequency band. The Planck pre-launch optical model is conveniently tuned to characterize the main beams independently of any noise effects. This approach provides an optical model whose beams fully reproduce the measurements in the main beam region, but also allows a description of the beams at power levels lower than can be achieved by the Jupiter measurements themselves. The agreement between the simulated beams and the measured beams is better than 1% at each LFI frequency band. The simulated beams are used for the computation of the window functions for the effective beams. The error budget for the window functions is estimated from both main beam and sidelobe contributions, and accounts for the radiometer bandshapes. The total uncertainties in the effective beam window functions are: 2% and 1.2% at 30 and 44 GHz, respectively (at ℓ ≈ 600), and 0.7% at 70 GHz (at ℓ ≈ 1000).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».