MétaCan
Menu
Retour à la cohorte
Enregistrement W7132448041

Herzberg extensible adaptive real-time toolkit (HEART) software architecture

2019· article· en· W7132448041 sur OpenAlexvenueaboutno aff
D. Kerley, M. (Michael) Smith, J.-P. Véran, J. Dunn, N. Gharavi

Notice bibliographique

RevueNPARC · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdaptive optics and wavefront sensing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAdaptive opticsModular designSoftwareAdaptive controlScalabilityLaser guide starSoftware architectureController (irrigation)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The National Research Council of Canada Herzberg (NRC-H) is developing the Herzberg Extensible Adaptive Real-time Toolkit (HEART) for the next generation of Adaptive Optics (AO) systems. HEART is a distributed and scalable software framework that includes a collection of libraries, tools and other software that can be assembled to construct a wide variety of real-time AO control systems. HEART is currently under development, implemented in C/C++, and is intended to run on off-the-shelf CPUs; HEART has evolved from the NRC-H design of the Narrow Field Infrared Adaptive Optics System (NFIRAOS) Real Time Controller (RTC) for the Thirty Meter Telescope (TMT), which passed its final design review. HEART is principally designed for Laser Guide Star (LGS) Multi-Conjugate Adaptive Optics (MCAO), however the modular architecture of HEART lends itself to be restructured for different forms of AO systems, such as: Single Conjugate Adaptive Optics (SCAO), Laser Tomography Adaptive Optics (LTAO), Ground Layer Adaptive Optics (GLAO), and Multi-Object Adaptive Optics (MOAO). The primary goal of HEART is to reduce the development time and cost of next generation AO control systems, while providing more reliable and robust control software that minimizes maintenance effort and promotes code reusability.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0060,004
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0100,011

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 Opus0,008
Tête enseignante GPT0,216
Écart entre enseignants0,207 · 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'étudeSans objet
Domainenon disponible
GenreLogiciel

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
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNPARCMême sujetAdaptive optics and wavefront sensingTravaux en français237 207