Characterizing the Performance of the NIRC2 Vortex Coronagraph at W. M. Keck Observatory
Notice bibliographique
Résumé
Abstract The NIRC2 vortex coronagraph is an instrument on Keck II designed to directly image exoplanets and circumstellar disks at mid-infrared bands L ′ (3.4–4.1 μ m) and M s (4.55–4.8 μ m). We analyze imaging data and corresponding adaptive optics telemetry, observing conditions, and other metadata over a three-year time period to characterize the performance of the instrument and predict the detection limits of future observations. We systematically process images from 359 observations of 304 unique stars to subtract residual starlight (i.e., the coronagraphic point-spread function) of the target star using two methods: angular differential imaging (ADI) and reference star differential imaging (RDI). We find that for the typical parallactic angle (PA) rotation of our data set (∼10°), RDI provides gains over ADI for angular separations smaller than 0.″25. Furthermore, we find a power-law relation between the angular separation from the host star and the minimum PA rotation required for ADI to outperform RDI, with a power-law index of −1.18 ± 0.08. Finally, we use random forest models to estimate ADI and RDI post-processed detection limits a priori. These models, which we provide publicly on a website, explain 70%–80% of the variance in ADI detection limits and 30%–50% of the variance in RDI detection limits. Averaged over a range of angular separations, our models predict both ADI and RDI contrast to within a factor of 2. These results illuminate important factors in high-contrast imaging observations with the NIRC2 vortex coronagraph, help improve observing strategies, and inform future upgrades to the hardware.
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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».