MétaCan
Menu
Retour à la cohorte
Enregistrement W4285585979 · doi:10.1117/12.2629691

Much-needed improvements to the 4m CFHT mirror coating facility

2022· article· en· W4285585979 sur OpenAlexaboutno aff
Benedict Thomas, Marc Baril, Gregory Barrick, Greg Green, Grant Matsushige

Notice bibliographique

RevueAdvances in Optical and Mechanical Technologies for Telescopes and Instrumentation V · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdaptive optics and wavefront sensing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoatingMaterials scienceTelescopeComposite materialOpticsNuclear engineeringPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

The 4m filament-based coating chamber at the Canada-France-Hawaii Telescope (CFHT) has been in service since before first light in 1979. Even then, the chamber produced thinner coatings than were desired - a problem that continued to plague the facility for the next forty years. Over that time the stripping and cleaning procedure was improved, as was the procedure for maintaining the coating while in service, but efforts to improve coating thickness had so far fallen short. In 2019, after forty years of continued use, cracking in the filament electrodes necessitated modifications to the chamber. These were completed in 2020 along with an overhaul of the chamber's vacuum system and thickness monitor. When the test-fire of the chamber again produced a thin coating, we took the opportunity to take a fresh look at possible underlying causes so that we could attempt to address them prior to the next mirror coating. The work was completed just in advance of the 2020 coating of the CFHT M1. Both the test-fire and the M1 coating exceeded 1000Å thickness, a first for CFHT. In this paper, we share details of the renovations to the chamber, the findings of the thin coating investigation, the further changes we made to the chamber to address them, and the resulting coatings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,004

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 Opus0,014
Tête enseignante GPT0,275
Écart entre enseignants0,261 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Optical and Mechanical Technologies for Telescopes and Instrumentation VMême sujetAdaptive optics and wavefront sensingTravaux en français237 207