An Algorithm to Mitigate Charge Migration Effects in Data from the Near Infrared Imager and Slitless Spectrograph on the James Webb Space Telescope*
Notice bibliographique
Résumé
Abstract We present an algorithm that mitigates the effects of charge migration due to the “brighter-fatter effect” (BFE) that occurs for highly illuminated stars in the Teledyne HAWAII-2RG detectors used in the NIRCam, NIRISS, and NIRSpec science instruments aboard the James Webb Space Telescope (JWST). The impact of this effect is most significant for photometry and spectrophotometry of bright stars in data for which the point-spread function (PSF) is undersampled, which is the case for several observing modes of the NIRISS instrument. The main impact of BFE to NIRISS data is incorrect count rate determinations for pixels in the central regions of PSFs of bright stars due to jump detections that are caused by charge migration from peak pixels to surrounding pixels. The effect is especially significant for bright compact sources in resampled, distortion-free images produced by the drizzle algorithm: quantitatively, apparent flux losses of >50% can occur in such images due to BFE. We describe the algorithm of the “charge_migration” mitigation step that has been implemented in version 10.0 of the operational JWST calibration pipeline as of 2023 December 5. We illustrate the impact of this step in terms of the resulting improvements of the precision of imaging photometry of point sources. The algorithm renders the effects of BFE on photometry and surface brightness measurements to stay within 1%.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».