MétaCan
Menu
Retour à la cohorte
Enregistrement W2995155898 · doi:10.1088/1538-3873/ab63eb

The Karl G. Jansky Very Large Array Sky Survey (VLASS). Science Case and Survey Design

2020· article· en· W2995155898 sur OpenAlexafffund

Notice bibliographique

RevuePublications of the Astronomical Society of the Pacific · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueRadio Astronomy Observations and Technology
Établissements canadiensUniversity of AlbertaCanadian Institute for Theoretical AstrophysicsUniversity of TorontoUniversity of Manitoba
Organismes subventionnairesDirección General de Asuntos del Personal Académico, Universidad Nacional Autónoma de MéxicoNatural Sciences and Engineering Research Council of CanadaUniversidad de GuanajuatoNederlandse Organisatie voor Wetenschappelijk OnderzoekJet Propulsion LaboratoryDeutsche ForschungsgemeinschaftNational Aeronautics and Space AdministrationOffice of Diversity and InclusionCalifornia Institute of TechnologyUniversity of MinnesotaNational Radio Astronomy ObservatoryNational Science Foundation
Mots-clésJanskySkyRadio astronomyBandwidth (computing)Angular resolution (graph drawing)Cover (algebra)

Résumé

récupéré en direct d'OpenAlex

The Very Large Array Sky Survey (VLASS) is a synoptic, all-sky radio sky survey with a unique combination of high angular resolution (≈2."5), sensitivity (a 1σ goal of 70 μJy/beam in the coadded data), full linear Stokes polarimetry, time domain coverage, and wide bandwidth (2–4 GHz). The first observations began in 2017 September, and observing for the survey will finish in 2024. VLASS will use approximately 5500 hr of time on the Karl G. Jansky Very Large Array (VLA) to cover the whole sky visible to the VLA (decl. > −40°), a total of 33 885 deg². The data will be taken in three epochs to allow the discovery of variable and transient radio sources. The survey is designed to engage radio astronomy experts, multi-wavelength astronomers, and citizen scientists alike. By utilizing an "on the fly" interferometry mode, the observing overheads are much reduced compared to a conventional pointed survey. In this paper, we present the science case and observational strategy for the survey, and also results from early survey observations.

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)0,033
score de la tête « metaresearch » (Gemma)0,089
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: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,177

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,089
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0020,002
Communication savante0,0050,002
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0380,014

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 Opus0,034
Tête enseignante GPT0,239
Écart entre enseignants0,205 · 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
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

Citations648
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