Pupil-plane LLOWFS simulation and laboratory results from NEW-EARTH’s high-contrast imaging testbed
Notice bibliographique
Résumé
Direct imaging of exoplanets can be used to characterize exoplanets by spectroscopy of their atmospheres. Coronagraphs are required to suppress the diffraction effects by blocking the starlight, however, residual wavefront error scatters starlight in the science images, losing faint exoplanet photons in stellar noise. The performance of a coronagraphic system is thus contingent upon how efficiently the wavefront aberrations are minimized. Lyot-stop low-order wavefront sensor (LLOWFS) is a well-established sensor that senses the light rejected by the focal plane mask and corrects low-order aberrations upstream of the coronagraph. Previous versions of the LLOWFS sensed the residual starlight at the defocused focal plane. However, on the NRC's NEW-EARTH high-contrast imaging testbed, pupil-plane images of LLOWFS have been used to address both Zernike and Fourier modes. The goal of the testbed is to develop SPIDERS/Subaru which is the technology demonstrator of the CAL2 unit of the upcoming Gemini Planet Imager 2.0 (GPI 2.0). Both SPIDERS and CAL2 will address the low-order modes for stabilizing speckles, and demonstrate an active suppression of speckles using the Fast Atmospheric Self-Coherent Camera Technique (FAST) by creating a region of up to 10<sup>-7</sup> contrast at small angles. Thus, obtaining sub-nanometric pointing stability using the LLOWFS is crucial for achieving stable contrast results on the bench and on-sky. Here, we present LLOWFS closed-loop laboratory results under simulated post-Adaptive Optics residuals of GPI 2.0 and simulations of the LLOWFS and FAST sensors for SPIDERS.
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 | 0,001 | 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 ».