Advanced vibration suppression algorithms in adaptive optics systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Vibration suppression in astronomical adaptive optics (AO) systems has gathered great attention in the context of next-generation instrumentation for current telescopes and future Extremely Large Telescopes. Laser tomographic AO systems require natural guide stars to measure the low-order modes such as tip-tilt (TT) and TT-anisoplanatism. To increase the sky coverage, the guide stars are often faint, thus requiring lower temporal sampling frequencies to work on a more favorable signal-to-noise regime. Such sampling frequencies can be of the order of, or even lower than, the range of frequencies where vibrations are likely to appear. Ideally, vibrations affecting the low-order modes could be corrected at the higher laser loop frame rate using an upsampling procedure. This paper compares the most relevant solutions proposed hitherto to a novel multirate algorithm using the linear-quadratic-Gaussian (LQG) approach capable of upsampling the correction to further reduce the impact of vibrations. Results from numerical Monte Carlo simulations span a large range of parameters from pure sinusoids to relatively broad peak vibrations, covering the likely-to-be signals in a realistic AO system. The improvement is shown at sampling frequencies from 20 to 800 Hz, including below the vibration itself, in the example of 29.5 Hz on a Thirty Meter Telescope-like scenario. The multirate LQG ensures the least residual for both faint and bright stars for all the peak widths considered based on telemetry from the Keck Observatory.
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.
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 découle