MétaCan
Menu
Retour à la cohorte
Enregistrement W4399670379 · doi:10.1117/12.3019232

Performance update of the combined GNAO+GIRMOS imaging system based on the newly-derived adaptive optics bench

2024· article· en· W4399670379 sur OpenAlexaff
Masen Lamb, Gaetano Sivo, Suresh Sivanandam, Martin Tschimmel, Julia Scharwaechter, Alan W. McConnachie, Adam Muzzin, Pierre Jouve, Carlos Correia

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Systems and Laser Technology
Établissements canadiensNational Research Council CanadaYork UniversityUniversity of TorontoUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésAdaptive opticsComputer scienceOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

The GNAO facility is an upcoming adaptive optics (AO) system for the Gemini North Telescope. It will deliver both wide and narrow field AO capabilities to its first light instrument GIRMOS. GIRMOS is a multi-object AO (MOAO) instrument that houses four near infrared (NIR) IFU spectrographs and a NIR imager similar to GSAOI at Gemini South. The required sensitivity of the combined system is largely driven by rapid transient follow-up AO-corrected Imaging and the required sensitivity is in part driven by the performance of the AO system. Up until recently, the estimated AO performance feeding the combined GNAO+GIRMOS imaging system was derived from models using limited information on what the actual parameters will eventually be. However, the AO system (currently called the AO Bench, or AOB) recently underwent a competitive bidding process to derive an AO design that met or exceeded our AO requirements. This work summarizes the update to the combined GNAO+GIRMOS imaging system performance based on the newly designed AOB parameters. We discuss the impact due to the changes in performance, specifically with respect to key science cases of the GNAO+GIRMOS imaging system compared to the previous models of the AO system. We also discuss the largest hurdles in terms of parameters that affect performance, such as telescope vibrations and detector quantum efficiency and our plans for mitigation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,171
Écart entre enseignants0,166 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOptical Systems and Laser TechnologyTravaux en français237 207