Commissioning and calibration of the JWST Aperture Masking Interferometry mode
Notice bibliographique
Résumé
The multi-national James Webb Space Telescope (JWST) enables several new technologies, one of which is the first space-based infrared interferometer, the Aperture Masking Interferometry (AMI) mode of the Near Infrared Imager and Slitless Spectrograph (NIRISS). AMI is a niche but powerful tool for high resolution imaging of a variety of moderate- to high-contrast astronomical sources. The non-redundant mask (NRM) in the entrance pupil enables detection of structure below the classical Rayleigh diffraction limit, well inside the inner working angle of JWST’s coronagraphs. This explores a parameter space largely inaccessible to existing ground- and other space-based observatories. Early science observations leveraged the capabilities of this unique mode to observe dusty Wolf-Rayet binaries, spatially resolved solar system objects, massive exoplanet systems, and protoplanetary disks. The high quality of this space-based data demonstrated the need for improved analysis methods. We describe approaches to extracting interferometric observables, as well as pre- and post-extraction data cleaning routines we made available to the user community. We also discuss insights and unique challenges that were revealed during the commissioning, early calibration, and first science cycles of this promising observing mode: mitigation strategies for instrumental effects, lessons learned for optimizing observation configuration, and plans for ongoing calibration efforts. Knowledge gained from commissioning and calibration data – which are always non-proprietary – provide valuable insight into the capabilities and limitations of this mode, highlight areas that need improvement, and lay the groundwork for furthering JWST’s scientific objectives.
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 ».