Towards realistic modelling of the astrometric capabilities of MCAO systems: detecting an intermediate-mass black hole with MAVIS
Notice bibliographique
Résumé
ABSTRACT Accurate astrometry is a key deliverable for the next generation of multiconjugate adaptive optics (MCAO) systems. The MCAO-Assisted Visible Imager and Spectrograph (MAVIS) is being designed for the Very Large Telescope Adaptive Optics Facility and must achieve 150 $\mu$as astrometric precision (50 $\mu$as goal). To test this before going on-sky, we have created MAVIS Image Simulator (mavisim), a tool to simulate MAVIS images. mavisim accounts for three major sources of astrometric error: high- and low-order point spread function (PSF) spatial variability, tip–tilt residual error, and static field distortion. When exploring the impact of these three error terms alone, we recover an astrometric accuracy of 50 $\mu$as for all stars brighter than m = 19 in a 30 s integration using PSF-fitting photometry. We also assess the feasibility of MAVIS detecting an intermediate-mass black hole (IMBH) in a Milky Way globular cluster. We use an N-body simulation of an NGC 3201-like cluster with a central 1500 M⊙ IMBH as input to mavisim and recover the velocity dispersion profile from proper motion measurements. Under favourable astrometric conditions, the dynamical signature of the IMBH is detected with a precision of ∼0.20 km s−1 in the inner ∼4 arcsec of the cluster where Hubble Space Telescope (HST) is confusion limited. This precision is comparable to measurements made by Gaia, HST, and Multi Unit Spectroscopic Explorer (MUSE) in the outer ∼60 arcsec of the cluster. This study is the first step towards building a science-driven astrometric error budget for an MCAO system and a prediction of what MAVIS could do once on sky.
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 ».