MétaCan
Menu
Retour à la cohorte
Enregistrement W4285585958 · doi:10.1117/12.2629999

CCAT-prime: observatory control software for FYST

2022· article· en· W4285585958 sur OpenAlexaffabout
R. Schaaf, Mike Nolta, R. Higgins, Thomas Nikola, R. Timmermann

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueParallel Computing and Optimization Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer sciencePrime (order theory)SoftwareObservatoryProgramming languagePhysicsAstronomyMathematicsCombinatorics

Résumé

récupéré en direct d'OpenAlex

The Fred Young Submillimeter Telescope (FYST) is a 6-meter diameter telescope with a surface accuracy of 10 microns, operating at submillimeter to millimeter wavelengths. It will be located at 5600 meters elevation on Cerro Chajnantor in the Atacama desert of northern Chile overlooking the ALMA site. Its novel optical “crossed-Dragone” design will deliver a high-throughput, wide field-of-view telescope capable of mapping the sky very rapidly and efficiently. The telescope can host up to three instruments, with the heterodyne array “CHAI” and the direct-detection camera “Prime-Cam” as first-generation instruments. The often harsh environmental conditions at the telescope site require that FYST be operated remotely, either from the base station near San Pedro de Atacama or from the scientist’s home institutions in the US, Canada and Germany. Automated observations will therefore be the dominant observation mode. FYST’s Observatory Control System (OCS) gives instrument teams the responsibility to control observations. We believe that this model is a good fit for FYST because the observatory will operate exclusively in campaign mode. Furthermore, instrument teams have significant investments in software they want to preserve. The OCS adopts a micro-service design using off-theshelf components as far as possible to minimize development effort. We will present the OCS design and the selection of off-the-shelf components used.

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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,728
Score d'incertitude au seuil0,345

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 ouverte0,0010,000
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 Opus0,022
Tête enseignante GPT0,251
Écart entre enseignants0,229 · 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
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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetParallel Computing and Optimization TechniquesTravaux en français237 207