MétaCan
Menu
Retour à la cohorte
Enregistrement W2549299592 · doi:10.1142/s2251171716410014

A Decade of Developing Radio-Astronomy Instrumentation using CASPER Open-Source Technology

2016· article· en· W2549299592 sur OpenAlexaff
J. Hickish, Zuhra Abdurashidova, Zaki S. Ali, Kaushal D. Buch, Sandeep C. Chaudhari, Hong Chen, Matthew R. Dexter, R. S. Domagalski, John Ford, Griffin Foster, David L. George, Joe Greenberg, L. J. Greenhill, A. R. Isaacson, Homin Jiang, Glenn Jones, F. Kapp, Henno Kriel, Rich Lacasse, Andrew Lutomirski, David H. E. MacMahon, Jason Manley, A. Martens, Randy McCullough, Mekhala Muley, W. S. New, Aaron R. Parsons, Rurik A. Primiani, Jason Ray, Andrew Siemion, V. Van Tonder, Laura Vertatschitsch, Mark Wagner, Jonathan Weintroub, Dan Werthimer

Notice bibliographique

RevueJournal of Astronomical Instrumentation · 2016
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueRadio Astronomy Observations and Technology
Établissements canadiensCanadian Institute for Theoretical AstrophysicsUniversity of Toronto
Organismes subventionnairesNational Science Foundation
Mots-clésVendorScientific instrumentInstrumentation (computer programming)Computer scienceSoftwareRadio astronomyElectronicsTelecommunicationsSystems engineeringEngineeringElectrical engineeringAstronomyOperating systemBusinessPhysics

Résumé

récupéré en direct d'OpenAlex

The Collaboration for Astronomy Signal Processing and Electronics Research (CASPER) has been working for a decade to reduce the time and cost of designing, building and deploying new digital radio-astronomy instruments. Today, CASPER open-source technology powers over 45 scientific instruments worldwide, and is used by scientists and engineers at dozens of academic institutions. In this paper, we catalog the current offerings of the CASPER collaboration, and instruments past and present built by CASPER users and developers. We describe the ongoing state of software development, as CASPER looks to support a broader range of programming environments and hardware and ensure compatibility with the latest vendor tools.

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)0,035
score de la tête « metaresearch » (Gemma)0,064
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: aucune
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,185

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0350,064
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,003
Communication savante0,0070,017
Science ouverte0,0040,007
Intégrité de la recherche0,0020,008
Charge utile insuffisante (le modèle a refusé de juger)0,0140,011

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 Opus0,024
Tête enseignante GPT0,286
Écart entre enseignants0,262 · 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

Citations143
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Astronomical InstrumentationMême sujetRadio Astronomy Observations and TechnologyTravaux en français237 207