MétaCan
Menu
← Retour à la cohorte
Enregistrement W4318906289 · doi:10.48550/arxiv.2301.13484

CELEBI: The CRAFT Effortless Localisation and Enhanced Burst Inspection Pipeline

2023· preprint· en· W4318906289 sur OpenAlexaff
D. R. Scott, Hyerin Cho, C. K. Day, A. T. Deller, M. Glowacki, K. Gourdji, K. W. Bannister, Apurba Bera, S. Bhandari, C. W. James, R. M. Shannon

Notice bibliographique

RevuearXiv (Cornell University) · 2023
Typepreprint
Langueen
DomainePhysics and Astronomy
ThématiquePulsars and Gravitational Waves Research
Établissements canadiensMcGill University
Organismes subventionnairesGovernment of Western AustraliaNederlandse Organisatie voor Wetenschappelijk OnderzoekSwinburne University of TechnologyAustralian GovernmentCommonwealth Scientific and Industrial Research OrganisationScience and Industry Endowment Fund
Mots-clésSoftwareComputer sciencePython (programming language)Pipeline (software)Real-time computingPathfinderComputer hardwareArtificial intelligenceAcousticsPhysicsOperating system

Résumé

récupéré en direct d'OpenAlex

Fast radio bursts (FRBs) are being detected with increasing regularity. However, their spontaneous and often once-off nature makes high-precision burst position and frequency-time structure measurements difficult without specialised real-time detection techniques and instrumentation. The Australian Square Kilometre Array Pathfinder (ASKAP) has been enabled by the Commensal Real-time ASKAP Fast Transients Collaboration (CRAFT) to detect FRBs in real-time and save raw antenna voltages containing FRB detections. We present the CRAFT Effortless Localisation and Enhanced Burst Inspection pipeline (CELEBI), an automated software pipeline that extends CRAFT's existing software to process ASKAP voltages in order to produce sub-arcsecond precision localisations and polarimetric data at time resolutions as fine as 3 ns of FRB events. We use Nextflow to link together Bash and Python code that performs software correlation, interferometric imaging, and beamforming, making use of common astronomical software packages.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0030,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0320,032

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 Opus0,063
Tête enseignante GPT0,248
Écart entre enseignants0,185 · 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'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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)→Même sujetPulsars and Gravitational Waves Research→Travaux en français237 207→