Applications of the phase diversity technique to estimate the non-common path aberrations in the Gemini planet imager: results from simulation and real data
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
We explore the application of phase diversity to calibrate the non common path aberrations (NCPA) in the Gemini Planet Imager (GPI). This is first investigated in simulation in order to characterize the ideal technique parameters with simulated GPI calibration source data. The best working simulation parameters are derived and we establish the algorithm's capability to recover an injected astigmatism. Furthermore, the real data appear to exhibit signs of de-centering between the in and out of focus images that are required by phase diversity; this effect can arise when the diverse images are acquired in closed loop and are close to the non-linear regime of the wavefront sensor. We show in simulation that this effect can inhibit our algorithm, which does not take into account the impact of de-centering between images. To mitigate this effect, we validate the technique of using a single diverse image with our algorithm; this is first demonstrated in simulation and then applied to the real GPI data. Following this approach, we find that we can successfully recover a known astigmatism injection using the real GPI data and subsequently apply an NCPA correction to GPI (in the format of offset reference slopes) to improve the relative Strehl ratio by 5%; we note this NCPA correction application is rudimentary and a more thorough application will be investigated in the near future. Finally, the estimated NCPA in the form of astigmatism and coma agree well with the magnitude of the same modes reported by Poyneer et al. 2016.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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