SuperCam Raman Activities at Jezero Crater, Mars: Observational Strategies, Data Processing, and Mineral Detections During the First 1000 Sols
Notice bibliographique
Résumé
Abstract The Mars 2020 Perseverance rover introduced Raman spectroscopy to in situ planetary exploration for the first time when it landed in Jezero crater on Mars in February 2021. The SuperCam instrument onboard Perseverance is a multi‐analytical tool capable of acquiring time‐resolved Raman data from Martian targets at standoff distances of a few meters. This is a particularly challenging task due to the operational constraints, the harsh conditions on the Martian surface, and especially the very fine‐grained nature of the Martian soil. To address these challenges, the SuperCam Raman team has invested significant effort into optimizing both the acquisition and post‐processing of Raman data collected on Mars, as detailed in this work. Additionally, this paper reviews and discusses the detections made by SuperCam Raman during the first 1,000 sols (almost 3 Earth years) of the Mars 2020 mission. During this period, SuperCam Raman data provided key insights into the mineralogy of Jezero throughout the Crater, Delta, and Margin Campaigns. Key detections include olivine, carbonates, perchlorates, and sulfates (such as anhydrite), identified in both abraded patches and natural surfaces. The high specificity of Raman spectroscopy enables the unequivocal identification of these minerals, allowing for rapid and direct interpretation of Jezero's mineralogy, especially when combined with other techniques from SuperCam or others on the rover. Furthermore, this paper compiles the spectra acquired from the SuperCam Calibration Target samples on Mars, including studies on the degradation of the Ertalyte (PET), an organic polymer sample and analyses of diamond, apatite, and other reference materials.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».