MétaCan
Menu
Retour à la cohorte
Enregistrement W4405490401 · doi:10.1109/iccspa61559.2024.10794314

Sailing the Cosmic Seas: Improving Dependability in IoT-Based Deep Space Exploration

2024· article· en· W4405490401 sur OpenAlexafffund
Jason Gerard, Sandra Céspedes

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSpacecraft Design and Technology
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDependabilityCOSMIC cancer databaseNASA Deep Space NetworkComputer scienceSpace explorationSpace (punctuation)Internet of ThingsAstrobiologyAerospace engineeringSystems engineeringAstronomyEngineeringEmbedded systemSpacecraftPhysicsSoftware engineeringOperating system

Résumé

récupéré en direct d'OpenAlex

As humanity takes its next giant leap in the pursuit of becoming a multi-planetary species, we must develop new foundational communication technologies to facilitate space exploration. To truly scale space exploration missions, the dollar cost must drastically decrease. To that end, planetary telemetry data can be gathered using large-scale, low-cost, and resourceconstrained direct-to-satellite IoT (DtS-IoT) deployments. The IoT devices continuously sense and transmit data to orbiting small satellites and nanosatellites. Utilizing the delay and disruption tolerant networking (DTN) paradigm, these satellites can route data to Earth through inter-satellite links and the interplanetary network. Analysis of this data will enable the development of colonization feasibility models for different planets. We propose creating software-based optimizations to improve the dependability of IoT-based space exploration missions. By targeting lifetime, resource constraints, and reliability, these optimizations aim to reduce the annual cost of operation, enabling massively scaled and economically feasible exploration. This work contributes to the future Solar System Internet, interconnecting humans across planets, natural satellites, and spacecraft.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,211
Écart entre enseignants0,201 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSpacecraft Design and TechnologyTravaux en français237 207