MétaCan
Menu
Retour à la cohorte
Enregistrement W4291427910 · doi:10.48550/arxiv.1503.06189

An Efficient Real-time Data Pipeline for the CHIME Pathfinder Radio\n Telescope X-Engine

2015· preprint· W4291427910 sur OpenAlexaff
Andre Recnik, Kevin Bandura, Nolan Denman, Adam D. Hincks, G. Hinshaw, Peter Klages, Ue‐Li Pen, K. Vanderlinde

Notice bibliographique

RevuearXiv (Cornell University) · 2015
Typepreprint
Langue
DomainePhysics and Astronomy
ThématiqueRadio Astronomy Observations and Technology
Établissements canadiensCanadian Institute for Theoretical AstrophysicsUniversity of TorontoUniversity of British ColumbiaMcGill University
Organismes subventionnairesnon disponible
Mots-clésPathfinderComputer scienceRadio telescopeNetwork packetServerField-programmable gate arrayPipeline (software)Bandwidth (computing)SoftwareReal-time computingComputer hardwareOperating systemPhysicsComputer networkAstronomy

Résumé

récupéré en direct d'OpenAlex

The CHIME Pathfinder is a new interferometric radio telescope that uses a\nhybrid FPGA/GPU FX correlator. The GPU-based X-engine of this correlator\nprocesses over 819 Gb/s of 4+4-bit complex astronomical data from N=256 inputs\nacross a 400 MHz radio band. A software framework is presented to manage this\nreal-time data flow, which allows each of 16 processing servers to handle 51.2\nGb/s of astronomical data, plus 8 Gb/s of ancillary data. Each server receives\ndata in the form of UDP packets from an FPGA F-engine over the eight 10 GbE\nlinks, combines data from these packets into large (32MB-256MB) buffered\nframes, and transfers them to multiple GPU co-processors for correlation. The\nresults from the GPUs are combined and normalized, then transmitted to a\ncollection server, where they are merged into a single file. Aggressive\noptimizations enable each server to handle this high rate of data; allowing the\nefficient correlation of 25 MHz of radio bandwidth per server. The solution\nscales well to larger values of N by adding additional servers.\n

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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: aucune
Score de désaccord entre enseignants0,651
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0050,002
Intégrité de la recherche0,0000,001
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 Opus0,085
Tête enseignante GPT0,215
Écart entre enseignants0,130 · 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.

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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetRadio Astronomy Observations and TechnologyTravaux en français237 207