MétaCan
Menu
Retour à la cohorte
Enregistrement W4388205919 · doi:10.21741/9781644902813-119

Simulations for in-flight stellar calibration aimed at monitoring space instruments optical performance

2023· article· en· W4388205919 sur OpenAlexaboutno aff
C. J. Chiara

Notice bibliographique

RevueMaterials research proceedings · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueCCD and CMOS Imaging Sensors
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Materials Research
Mots-clésOrbiterCoronagraphRemote sensingCalibrationComputer scienceOptical telescopeOrbital mechanicsOptical instrumentScientific instrumentOpticsPhysicsSpacecraftOn boardAerospace engineeringExoplanetStarsSatelliteTelescopeAstronomyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract. Stellar in-flight calibrations have a relevant impact on the ability of space optical instruments, such as telescopes or cameras, to provide reliable scientific products, i.e. accurate calibrated data. Indeed, by using the in-flight star images, the instrument optical performance can be checked and compared with the on-ground measurements. The results of the analysis of star images, throughout the whole instrument lifetime in space, will allow tracking the changes in instrument performance and sensitivity due to optical components degradation or misalignment. In this paper we present the concept, the necessary input and the available outputs of the simulations performed to predict the stars visible in the FoV of a specific space instrument. As an example of the method, its application to two specific cases, i.e, Metis coronagraph on-board Solar Orbiter and the stereo camera STC on-board BepiColombo, will be given. Indeed, due to their operation in proximity to the Sun, and also to Mercury for STC, both instruments operate in a hostile environment, are subjected to high temperatures and experience high temperature variations. Performance optical monitoring is thus extremely important.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,500

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,060
Tête enseignante GPT0,334
Écart entre enseignants0,274 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials research proceedingsMême sujetCCD and CMOS Imaging SensorsTravaux en français237 207