In Situ Optimized Substrate Witness Plates: Ground Truth for Key Processes on the Moon and Other Planets
Notice bibliographique
Résumé
Abstract Future exploration efforts of the Moon, Mars, and other bodies are poised to focus heavily on persistent and sustainable survey and research efforts, especially given the recent interest in a long‐term sustainable human presence at the Moon. Key to these efforts understands a number of important processes on the lunar surface for both scientific and operational purposes. We discuss the potential value of in situ artificial substrate witness plates, powerful tools that can supplement familiar remote sensing and sample acquisition techniques and provide a sustainable way of monitoring processes in key locations on planetary surfaces while maintaining a low environmental footprint. These tools, which we call Biscuits, can use customized materials as wide ranging as zircon‐based spray coatings to metals potentially useable for surface structures, to target specific processes/questions as part of a small, passive witness plate that can be flexibly placed with respect to location and total time duration. We examine and discuss unique case studies to show how processes such as water presence/transport, presence and contamination of biologically relevant molecules, solar activity related effects, and other processes can be measured using Biscuits. Biscuits can yield key location sensitive, time integrated measurements on these processes to inform scientific understanding of the Moon and enable operational goals in lunar exploration. While we specifically demonstrate this on a simulated traverse and for selected examples, we stress all groups interested in planetary surfaces should consider these adaptable, low footprint, and highly informative tools for future exploration.
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 | 0,000 |
| 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 ».