MétaCan
Menu
Retour à la cohorte
Enregistrement W3149795655 · doi:10.48550/arxiv.2104.03411

A New Blind Asteroid Detection Scheme

2021· article· en· W3149795655 sur OpenAlexfundno aff
Nathan Golovich, Noah Lifset, R. Armstrong, Eric Green, M. Schneider, Roger Pearce

Notice bibliographique

RevuearXiv (Cornell University) · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueCCD and CMOS Imaging Sensors
Établissements canadiensnon disponible
Organismes subventionnairesLos Alamos National LaboratoryLawrence Livermore National LaboratoryPlanetary Science DivisionScience Mission DirectorateSmithsonian Astrophysical ObservatoryMax-Planck-Institut für AstronomieGordon and Betty Moore FoundationNational Central UniversityLaboratory Directed Research and DevelopmentSpace Telescope Science InstituteQueen's UniversityJohns Hopkins UniversityEötvös Loránd TudományegyetemU.S. Department of EnergyQueen's University BelfastNational Aeronautics and Space AdministrationDurham UniversitySmithsonian InstitutionNational Science Foundation
Mots-clésAsteroidScheme (mathematics)AstrobiologyComputer scienceArtificial intelligenceGeologyMathematicsPhysicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

As astronomical photometric surveys continue to tile the sky repeatedly, the potential to pushdetection thresholds to fainter limits increases; however, traditional digital-tracking methods cannotachieve this efficiently beyond time scales where motion is approximately linear. In this paper weprototype an optimal detection scheme that samples under a user defined prior on a parameterizationof the motion space, maps these sampled trajectories to the data space, and computes an optimalsignal-matched filter for computing the signal to noise ratio of trial trajectories. We demonstrate thecapability of this method on a small test data set from the Dark Energy Camera. We recover themajority of asteroids expected to appear and also discover hundreds of new asteroids with only a fewhours of observations. We conclude by exploring the potential for extending this scheme to larger datasets that cover larger areas of the sky over longer time baselines.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,220
Score d'incertitude au seuil0,502

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,148
Écart entre enseignants0,112 · 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 tête enseignante, 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
GenreEmpirique

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

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetCCD and CMOS Imaging SensorsTravaux en français237 207