MétaCan
Menu
Retour à la cohorte
Enregistrement W4293525509 · doi:10.1117/12.2630645

The multi-object adaptive optics system for the Gemini infra-red multi-object spectrograph

2022· article· en· W4293525509 sur OpenAlexaff
S. C. Chapman, Uriel Conod, Paolo Turri, Kate Jackson, Olivier Lardière, Suresh Sivanandam, David R. Andersen, Carlos Correia, Masen Lamb, Colin A. Ross, Gaetano Sivo, Jean‐Pierre Véran

Notice bibliographique

RevueAdaptive Optics Systems VIII · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdaptive optics and wavefront sensing
Établissements canadiensUniversity of British ColumbiaDalhousie UniversityHerzberg Institute of Astrophysics
Organismes subventionnairesnon disponible
Mots-clésSpectrographAdaptive opticsIntegral field spectrographPhysicsComputer scienceGalactic astronomyOpticsGalaxyAstronomyMilky Way

Résumé

récupéré en direct d'OpenAlex

The Gemini Infra-Red Multi-Object Spectrograph (GIRMOS) is a four-arm, Multi-Object Adaptive Optics (MOAO) IFU spectrograph being built for Gemini (commissioning in 2024). GIRMOS is being planned to interface with the new Gemini-North Adaptive Optics (GNAO) system, and is base lined with a requirement of 50% EE within a 0.100 spaxel at H-band. We present a design and forecast the error budget and performance of GIRMOS-MOAO working behind GNAO. The MOAO system will patrol the 20 field of regard of GNAO, utilizing closed loop GLAO or MCAO for lower order correction. GIRMOS MOAA will perform tomographic reconstruction of the turbulence using the GNAO WFS, and utilize order 16x16 actuator DMs operating in open loop to perform an additional correction from the Pseudo Open Loop (POL) slopes, achieving close to diffraction limited performance from the combined GNAO+MOAO correction. This high performance AO spectrograph will have the broadest impact in the study of the formation and evolution of galaxies, but will also have broad reach in fields such as star and planet formation within our Milky Way and supermassive black holes in nearby galaxies.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,966
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0050,000
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,028
Tête enseignante GPT0,253
Écart entre enseignants0,225 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdaptive Optics Systems VIIIMême sujetAdaptive optics and wavefront sensingTravaux en français237 207