Optimal Stellar Photometry for Multi-conjugate Adaptive Optics Systems Using Science-based Metrics
Notice bibliographique
Résumé
Abstract We present a detailed discussion of how to obtain precise stellar photometry in crowded fields using images from multi-conjugate adaptive optics (MCAO) systems, with the intent of informing the scientific development of this key technology for the Extremely Large Telescopes. We use deep J and K s exposures of NGC 1851 taken with the Gemini Multi-Conjugate Adaptive Optics System (GeMS) on Gemini South to quantify the performance of the instrument and to develop an optimal strategy for stellar photometry using point-spread function (PSF)-fitting techniques. We judge the success of the various methods we employ by using science-based metrics, particularly the width of the main sequence turnoff region. We also compare the GeMS photometry with the exquisite HST data in the visible of the same target. We show that the PSF produced by GeMS possesses significant spatial and temporal variability that must be accounted for during the analysis. We show that the majority of the variation of the PSF occurs within the “control radius” of the MCAO system and that the best photometry is obtained when the PSF radius is chosen to closely match this spatial scale. We identify photometric calibration as a critical issue for next-generation MCAO systems such as those on the Thirty Meter Telescope and European Extremely Large Telescope. Our final CMDs reach K s ∼ 22—below the main sequence knee—making it one of the deepest for a globular cluster available from the ground. Theoretical isochrones are in remarkable agreement with the stellar locus in our data from below the main sequence knee to the upper red giant branch.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».