MétaCan
Menu
Retour à la cohorte
Enregistrement W2963891109 · doi:10.1088/1538-3873/ab5bfd

Data Analysis for Precision 21 cm Cosmology

2020· article· en· W2963891109 sur OpenAlexafffund
Adrian Liu, J. Richard Shaw

Notice bibliographique

RevuePublications of the Astronomical Society of the Pacific · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueRadio Astronomy Observations and Technology
Établissements canadiensNational Research Council CanadaHerzberg Institute of AstrophysicsUniversity of British ColumbiaMcGill University
Organismes subventionnairesDivision of Astronomical SciencesNatural Sciences and Engineering Research Council of CanadaCanadian Institute for Advanced Research
Mots-clésCosmologyPhysicsTimelineObservational cosmologyTelescopeAstronomyPipeline (software)Field (mathematics)Computer scienceAstrophysicsDark energyGeographyArchaeology

Résumé

récupéré en direct d'OpenAlex

The redshifted 21 cm line is an emerging tool in cosmology, in principle permitting three-dimensional surveys of our Universe that reach unprecedentedly large volumes, previously inaccessible length scales, and hitherto unexplored epochs of our cosmic timeline. Large radio telescopes have been constructed for this purpose, and in recent years there has been considerable progress in transforming 21 cm cosmology from a field of considerable theoretical promise to one of observational reality. Increasingly, practitioners in the field are coming to the realization that the success of observational 21cm cosmology will hinge on software algorithms and analysis pipelines just as much as it does on careful hardware design and telescope construction. This review provides a pedagogical introduction to state-of-the-art ideas in 21 cm data analysis, covering a wide variety of steps in a typical analysis pipeline, from calibration to foreground subtraction to mapmaking to power spectrum estimation to parameter estimation.

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)0,011
score de la tête « metaresearch » (Gemma)0,047
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,047
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0080,010
Études des sciences et des technologies0,0010,002
Communication savante0,0060,006
Science ouverte0,0020,004
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0140,010

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 Opus0,047
Tête enseignante GPT0,264
Écart entre enseignants0,218 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations220
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePublications of the Astronomical Society of the PacificMême sujetRadio Astronomy Observations and TechnologyTravaux en français237 207