Making good use of JWST's coronagraphs: tools and strategies from a user's perspective
Notice bibliographique
Résumé
The James Webb Space Telescope (JWST) and its suite of instruments, modes and high contrast capabilities will enable imaging and characterization of faint and dusty astrophysical sources<sup>1-3</sup> (exoplanets, proto-planetary and debris disks, dust shells, etc.) in the vicinity of hosts (stars of all sorts, active galactic nuclei, etc.) with an unprecedented combination of sensitivity and angular resolution at wavelengths beyond 2 μm. Two of its four instruments, NIRCam<sup>4, 5</sup> and MIRI,<sup>6</sup> feature coronagraphs<sup>7, 8</sup> for wavelengths from 2 to 23 μm. JWST will stretch the current parameter space (contrast at a given separation) towards the infrared with respect to the Hubble Space Telescope (HST) and in sensitivity with respect to what is currently achievable from the ground with the best adaptive optics (AO) facilities. The Coronagraphs Working Group at the Space Telescope Science Institute (STScI) along with the Instruments Teams and internal/external partners coordinates efforts to provide the community with the best possible preparation tools, documentation, pipelines, etc. Here we give an update on user support and operational aspects related to coronagraphy. We aim at demonstrating an end to end observing strategy and data management chain for a few science use cases involving coronagraphs. This includes the choice of instrument modes as well as the observing and point-spread function (PSF) subtraction strategies (e.g. visibility, reference stars selection tools, small grid dithers), the design of the proposal with the Exposure Time Calculator (ETC), and the Astronomer's Proposal Tool (APT), the generation of realistic simulated data at small working angles and the generation of high level, science-grade data products enabling calibration and state of the art data-processing.
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 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 | 0,000 | 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».