METIS RTC as a computationally heavy system
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
METIS, the Mid-infrared ELT Imager and Spectrograph, will operate an internal Single Conjugate Adaptive Optics (SCAO) system, which will mainly serve the science cases targeting exoplanets and disks around bright stars. The Extremely Large Telescope (ELT) is expected to have its first light in 2028, and the entire instrument recently passed its final design phase. The Adaptive Optics (AO) of METIS SCAO is designed to correct for atmospheric distortions and is essential for diffraction-limited observations with METIS. The computational and data transfer requirements for these next generation ELT AO Real-Time Computers (RTCs) are enormous and require advanced data processing and pipelining techniques. METIS SCAO will use a pyramid Wavefront Sensor (WFS), which captures incoming wavefronts at 1 kHz with a raw throughput of 148 MB/s. The RTC will ingest these WFS images on a frame-by-frame basis, compute the corrections and send them to the deformable mirror M4 and the tip/tilt mirror M5. The RTC is split up into two distinct systems: the Hard Real-Time Computer (HRTC) and the Soft Real-Time Computer (SRTC). The HRTC is responsible for computing the time sensitive wavefront control loop, while the SRTC is responsible for supervising and optimizing the HRTC. A working prototype for the HRTC has been completed and operates with an RTC computation time of roughly 372 μs. This computation is memory limited and runs on two NVIDIA A100 GPUs. This paper shows a breakdown of the HRTC on a CUDA kernel level, focusing on the tasks that run on the GPUs. We also present the performance of the HRTC and possible improvements for it.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle