MétaCan
Menu
Retour à la cohorte
Enregistrement W4399730934 · doi:10.1117/12.3018160

An on-sky investigation into factors limiting the performance of Keck-NIRC2 for conducting infrared high-contrast imaging

2024· preprint· en· W4399730934 sur OpenAlexaff
Rachel Bowens-Rubin, Jayke S. Nguyen, Philip M. Hinz, Maïssa Salama, William Thompson

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueInfrared Target Detection Methodologies
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésContrast (vision)LimitingSkyInfraredHigh contrastOpticsComputer scienceRemote sensingMaterials scienceArtificial intelligenceAstronomyPhysicsGeologyEngineering

Résumé

récupéré en direct d'OpenAlex

The most common instrument used by the exoplanet/brown dwarf direct imaging community at the W.M. Keck Observatory is currently the NIRC2 near-infrared imager. We document three on-sky testing results of non-uniform effects that exist in the NIRC2 system when operating in L and M-band that can affect the performance when conducting high-contrast imaging observations. First, we report the measurements of the throughput of the vector vortex L/M coronagraph. We quantify the throughput and additional background flux penalties, noting the effects of using the VVC in M-band are greater than in L-band. Second, we utilize the recently commissioned NIRC2 electronics upgrade to measure the L/M band sky variability at sub-second speeds. We find that the background varies at timescales of less than 30s, indicating that the electronics upgrade may improve opportunities for future surveys. Third, we document the contribution of the image derotator to the spatial non-uniformity in the background flux. We conclude by giving a set of how the Keck-NIRC2 high-contrast imaging community can adapt their observing strategies to improve the sensitivity of future surveys.

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)0,005
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,007
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,066
Tête enseignante GPT0,291
Écart entre enseignants0,224 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInfrared Target Detection MethodologiesTravaux en français237 207