MétaCan
Menu
Retour à la cohorte
Enregistrement W2493253300 · doi:10.1117/12.2233172

Status and performance of the Gemini Planet Imager adaptive optics system

2016· article· en· W2493253300 sur OpenAlexaff
Vanessa P. Bailey, Lisa Poyneer, Bruce Macintosh, Dmitry Savransky, Jason Wang, Robert J. De Rosa, Katherine B. Follette, S. Mark Ammons, T. L. Hayward, Patrick Ingraham, Jérôme Maîre, David W. Palmer, Marshall D. Perrin, Abhijith Rajan, Fredrik T. Rantakyrö, Sandrine Thomas, Jean‐Pierre Véran

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2016
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdaptive optics and wavefront sensing
Établissements canadiensHerzberg Institute of AstrophysicsUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésExoplanetAdaptive opticsWavefrontContrast (vision)OpticsPhysicsPlanetComputer scienceRemote sensingSoftwareAstronomyGeology

Résumé

récupéré en direct d'OpenAlex

The Gemini Planet Imager is a high-contrast near-infrared instrument specifically designed to image exoplanets and circumstellar disks over a narrow field of view. We use science data and AO telemetry taken during the first 1.5 yr of the GPI Exoplanet Survey to quantify the performance of the AO system. In a typical 60 sec H-band exposure, GPI achieves a 5σ raw contrast of 10−4 at 0.4"; typical final 5σ contrasts for full 1 hr sequences are more than 10 times better than raw contrasts. We find that contrast is limited by bandwidth wavefront error over much of the PSF. Preliminary exploratory factor analysis can explain 60{70% of the variance in raw contrasts with combinations of seeing and wavefront error metrics. We also examine the effect of higher loop gains on contrast by comparing wavefront error maps reconstructed from AO telemetry to concurrent IFS images. These results point to several ways that GPI performance could be improved in software or hardware.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,009
Tête enseignante GPT0,203
Écart entre enseignants0,194 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations28
Publié2016
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