SHIMM as an atmospheric profiler on the Nickel telescope
Notice bibliographique
Résumé
Optimal atmospheric conditions are beneficial for detecting exoplanets via High Contrast Imaging (HCI), as speckles from Adaptive Optics’ (AO’s) residuals can make it difficult to identify exoplanets. While AO systems greatly improve our image quality, having access to real-time estimates of atmospheric conditions could also help astronomers use their telescope time more efficiently in the search for exoplanets as well as aid in the data reduction process. The Shack-Hartmann Imaging Motion Monitor (SHIMM) is an atmospheric profiler that utilizes a Shack-Hartmann wavefront sensor to create spot images of a single star in order to reconstruct important atmospheric parameters such as the Fried parameter (r<sub>0</sub>), C<sup>2</sup><sub>n</sub> profile and coherence time. Due to its simplicity, the SHIMM can be directly used on a telescope to get in situ measurements while observing. We present our implementation of the Nickel-SHIMM design for the one meter Nickel Telescope at Lick Observatory. We utilize an HCIPy simulation of turbulence propagating across a telescope aperture to verify the SHIMM data reduction pipeline as we begin on-sky testing. We also used on-sky data from the AO system on the Shane Telescope to further validate our analysis, finding that both our simulation and data reduction pipeline are consistent with previously determined results for the Fried parameter at the Lick Observatory. Finally, we present first light results from commissioning of the Nickel-SHIMM.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».