MétaCan
Menu
Retour à la cohorte
Enregistrement W6910574430 · doi:10.48550/arxiv.2411.17341

High strehl and high contrast for the ELT instrument METIS -- Final design, implementation, and predicted performance of the single-conjugate adaptive optics system

2024· preprint· en· W6910574430 sur OpenAlexaboutno aff

Notice bibliographique

RevuearXiv (Cornell University) · 2024
Typepreprint
Langueen
DomainePhysics and Astronomy
ThématiqueAdaptive optics and wavefront sensing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStrehl ratioAdaptive opticsWavefront sensorWavefrontTelescopeSpectrographMetisSecondary mirrorFirst light

Résumé

récupéré en direct d'OpenAlex

The Mid-infrared ELT Imager and Spectrograph (METIS) is a first-generation instrument for the Extremely Large Telescope (ELT), Europe's next-generation 39 m ground-based telescope for optical and infrared wavelengths. METIS will offer diffraction-limited imaging, low- and medium-resolution slit spectroscopy, and coronagraphy for high-contrast imaging between 3 and 13 microns, as well as high-resolution integral field spectroscopy between 3 and 5 microns. The main METIS science goals are the detection and characterisation of exoplanets, the investigation of proto-planetary disks, and the formation of planets. The Single-Conjugate Adaptive Optics (SCAO) system corrects atmospheric distortions and is thus essential for diffraction-limited observations with METIS. Numerous challenging aspects of an ELT Adaptive Optics (AO) system are addressed in the mature designs for the SCAO control system and the SCAO hardware module: the complex interaction with the telescope entities that participate in the AO control, wavefront reconstruction with a fragmented and moving pupil, secondary control tasks to deal with differential image motion, non-common path aberrations and mis-registration. A K-band pyramid wavefront sensor and a GPU-based Real-Time Computer (RTC), tailored to the needs of METIS at the ELT, are core components. This current paper serves as a natural sequel to our previous work presented in Hippler et al. (2018). It includes updated performance estimations in terms of several key performance indicators, including achieved contrast curves. We outline all important design decisions that were taken, and present the major challenges we faced and the main analyses carried out to arrive at these decisions and eventually the final design. We also elaborate on our testing and verification strategy, and, last not least, comprehensively present the full design, hardware and software.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,841
Score d'incertitude au seuil0,794

Scores Codex et Gemma par catégorie

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

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 Opus0,062
Tête enseignante GPT0,188
Écart entre enseignants0,126 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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 revuearXiv (Cornell University)Même sujetAdaptive optics and wavefront sensingTravaux en français237 207