Incorporating adaptive optics controls history in post-processing of ground-based coronagraph models
Notice bibliographique
Résumé
The planet detection thresholds of space-based coronagraphs are predicted to lie within an order of magnitude from their theoretical (shot-noise) limits. Ground-based telescopes, on the other hand, are limited by larger systematic uncertainties in the point spread function (PSF) of the residual light which rapidly fluctuates due to atmospheric turbulence. The PSF is affected by Adaptive Optics (AO) which reduce the intensity of the speckles but also make them less predictable. Although not a common practice, it is possible to take millisecond exposures of the so-called “frozen” speckles and record the history of AO controls, in which case the collected data resembles that of simulated space coronagraphs. In this work we use the HEEPS simulation of the EELT/METIS to assess the applicability of this newly-developed space-oriented approach to ground-based postprocessing. Unlike intensity-based algorithms, this method formulates the estimation problem in terms of the electric field of the speckles and therefore can incorporate controls history and various temporal models of the electric field variations. In our simulations, we artificially introduced small deformable mirror (DM) probes on top of AO controls, and achieved a post-processing error lower by a factor of 2 than that of Angular Differential Imaging (ADI). However, our attempt at incorporating the AO history without DM probes, has so far resulted in higher errors than ADI.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».