Beyond CCDs: Characterization of sCMOS detectors for optical astronomy
Notice bibliographique
Résumé
Modern scientific complementary metal-oxide semiconductor (sCMOS) detectors provide a highly competitive alternative to charge-coupled devices (CCDs), the latter of which have historically been dominant in optical imaging. sCMOS boast comparable performances to CCDs with faster frame rates, lower read noise, and a higher dynamic range. Furthermore, their lower production costs are shifting the industry to abandon CCD support and production in favour of CMOS, making their characterization urgent. In this work, we characterized a variety of high-end commercially available sCMOS detectors to gauge the state of this technology in the context of applications in optical astronomy. We evaluated a range of sCMOS detectors, including larger pixel models such as the Teledyne Prime 95B and the Andor Sona-11, which are similar to CCDs in pixel size and suitable for wide-field astronomy. Additionally, we assessed smaller pixel detectors like the Ximea xiJ and Andor Sona-6, which are better suited for deep-sky imaging. Furthermore, high-sensitivity quantitative sCMOS detectors such as the Hamamatsu Orca-Quest C15550-20UP, capable of resolving individual photoelectrons, were also tested. In-lab testing showed low levels of dark current, read noise, faulty pixels, and fixed pattern noise, as well as linearity levels above $98\%$ across all detectors. The Orca-Quest had particularly low noise levels with a dark current of $0.0067 \pm 0.0003$ e$^-$/s (at $-20^\circ$C with air cooling) and a read noise of $0.37 \pm 0.09$ e$^-$ using its standard readout mode. Our tests revealed that the latest generation of sCMOS detectors excels in optical imaging performance, offering a more accessible alternative to CCDs for future optical astronomy instruments.
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 | 0,000 |
| 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 ».