MétaCan
Menu
Retour à la cohorte
Enregistrement W25079075 · doi:10.1371/journal.ppat.1004221

The Challenges of Developing an Operational Nanosatellite

2008· article· en· W25079075 sur OpenAlexaff
D.A. Homan, Quinn Young

Notice bibliographique

RevuePLoS Pathogens · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueSpacecraft Design and Technology
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesNational Institute of General Medical SciencesNational Institutes of Health
Mots-clésPayload (computing)CubeSatSpacecraftAerospaceSystems engineeringSpacecraft designAeronauticsComputer scienceSatelliteAerospace engineeringEngineeringComputer security

Résumé

récupéré en direct d'OpenAlex

Recent nanosatellite programs and studies of nanosatellites for operational missions have highlighted challenges that are unique to this spacecraft category. While each small satellite class has peculiar design challenges, nanosatellite development challenges are compounded by the unique niche that nanosatellites occupy and the current perception of hardware maturity levels available to support nanosatellite spacecraft. Recent experimental successes with microsatellite systems are allowing such spacecraft to rapidly move toward operational systems. This has produced a false perception that the same small, high TRL operational components and subsystems used in microsatellites will transition easily into the smaller nanosatellite designs. At the same time advances in the sophistication of CubeSat missions and academic programs have increased the expectation of the mission utility that should be possible with nanosatellites. This paper focuses on the unique design challenges of high mission utility nanosatellite programs and the current state of component and subsystem hardware available to meet the unique nanosatellite design constraints. Addressing these challenges in coming years will enable this class of spacecraft to become a viable and healthy part of the aerospace industry, and as a secondary payload improve the launch options and reduced cost commensurate with operationally responsive space (ORS) solutions.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,043
Tête enseignante GPT0,218
Écart entre enseignants0,175 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS PathogensMême sujetSpacecraft Design and TechnologyTravaux en français237 207