Euclid preparation. Overview of Euclid infrared detector performance from ground tests
Notice bibliographique
Résumé
The paper describes the objectives, design and findings of the pre-launch ground characterisation campaigns of the Euclid infrared detectors. The pixel properties, including baseline, bad pixels, quantum efficiency, inter pixel capacitance, quantum efficiency, dark current, readout noise, conversion gain, response nonlinearity, and image persistence were measured and characterised for each pixel. We describe in detail the test flow definition that allows us to derive the pixel properties and we present the data acquisition and data quality check software implemented for this purpose. We also outline the measurement protocols of all the pixel properties presented and we provide a comprehensive overview of the performance of the Euclid infrared detectors as derived after tuning the operating parameters of the detectors. The main conclusion of this work is that the performance of the infrared detectors Euclid meets the requirements. Pixels classified as non-functioning accounted for less than 0.2% of all science pixels. IPC coupling is minimal and crosstalk between adjacent pixels is less than 1% between adjacent pixels. 95% of the pixels show a QE greater than 80% across the entire spectral range of the Euclid mission. The conversion gain is approximately 0.52 ADU/e-, with a variation less than 1% between channels of the same detector. The reset noise is approximately equal to 23 ADU after reference pixels correction. The readout noise of a single frame is approximately 13 $e^-$ while the signal estimator noise is measured at 7 $e^-$ in photometric mode and 9 $e^-$ in spectroscopic acquisition mode. The deviation from linear response at signal levels up to 80 k$e^-$ is less than 5% for 95% of the pixels. Median persistence amplitudes are less than 0.3% of the signal, though persistence exhibits significant spatial variation and differences between detectors.
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 | 0,001 |
| 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 ».