Pulsars with NenuFAR: Backend and pipelines
Notice bibliographique
Résumé
Context.NenuFAR (New extension in Nançay upgrading LOFAR) is a new radio telescope developed and built on the site of the Nançay Radio Observatory. It is designed to observe the largely unexplored frequency window from 10 to 85 MHz, offering a high sensitivity across its full bandwidth. NenuFAR has started its “early science” operation in July 2019, with 58% of its final collecting area. Aims.Pulsars are one of the major phenomena utilized in the scientific exploitation of this frequency range and represent an important challenge in terms of instrumentation. Designing instrumentation at these frequencies is complicated by the need to compensate for the effects of both the interstellar medium and the ionosphere on the observed signal. We have designed a dedicated backend and developed a complete pulsar observation and data analysis pipeline, which we describe in detail in the present paper, together with first science results illustrating the diversity of the pulsar observing modes. Methods.Our real-time pipeline LUPPI (Low frequency Ultimate Pulsar Processing Instrumentation) is able to cope with a high data rate and provide real-time coherent de-dispersion down to the lowest frequencies reached by NenuFAR (10 MHz). The full backend functionality is described, as the available pulsar observing modes (folded, single-pulse, waveform, and dynamic spectrum). Results.We also present some of the early science results of NenuFAR on pulsars: the detection of 12 millisecond pulsars (eight of which are detected for the first time below 100 MHz); a high-frequency resolution mapping of the PSR B1919+21 emission profile and a detailed observation of single-pulse substructures from PSR B0809+74 down to 16 MHz; the high rate of giant-pulse emission from the Crab pulsar detected at 68.7 MHz (43 events per minute); and the illustration of the very good timing performance of the instrumentation, which allows us to study dispersion measure variations in great detail.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,010 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».