MétaCan
Menu
Retour à la cohorte
Enregistrement W7155410411 · doi:10.25358/openscience-14793

Event classification for a Compton/Pair Telescope and simulation studies of the COMCUBE CubeSat project for gamma-ray Astronomy

2025· dissertation· en· W7155410411 sur OpenAlexaboutno aff
Jan Lommler

Notice bibliographique

RevueGutenberg Open Science · 2025
Typedissertation
Langueen
DomainePhysics and Astronomy
ThématiqueRadiation Detection and Scintillator Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEvent (particle physics)CubeSatTelescopeInstrumentation (computer programming)

Résumé

récupéré en direct d'OpenAlex

Cosmic gamma-rays are our main observational window into the universe’s most violent processes. The observable spectrum ranges from 100 keV to several PeV. Their observation gives insight into a wide variety of astrophysical processes. Cosmic nucleosynthesis in massive stars leaves their imprint in line energies. Their measurement advances our understanding of their evolution and the distribution of heavy elements in our galaxy. Cosmic acceleration sites leave their imprint in continuous emissions, giving insight into the acceleration processes as well as the composition of the accelerated particles. Photons emitted during Gamma Ray Bursts (GRBs) are the messengers of the most extreme events in the universe. Their gamma-rays allow us to investigate the source conditions of these supernovae and merger events. The range between 0.1 to 30 MeV constitutes the ’MeV-Gap’. No mission after the Compton Gamma Ray Observatory provided improved sensitivity in this range of the spectrum. Compton/Pair telescopes can cover this range and provide additional sensitivity up to several GeV in one instrument using a segmented silicon tracking detector on top of a solid state calorimeter or liquid noble gas Time Projection Chamber. This work is divided into two main parts. The first part focuses on presenting a novel deep learning driven classification algorithm capable of providing online classification of events directly at the satellite. The task description, evaluation methods, alternative classification approaches and results are presented and discussed. The second part describes the design of the COMCUBE proposal, a CubeSat GRB polarimeter developed for the EU AHEAD 2020 initiative. CubeSats provide a potential bridge to cover the lower end of the MeV-Gap using small and cheaper mini-satellites. This work discusses performance estimates for the initial 4U detector design proposal, as well as adaptations done for the first qualification flight of the prototype during the Strato Sat 2023 balloon campaign in Timmins (Ontario). Further trigger rates for the expected radiative environment and sensitivity estimates for the Crab-Nebula are presented. The measured trigger rates are compared to simulated data.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,074
Tête enseignante GPT0,406
Écart entre enseignants0,331 · 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'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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGutenberg Open ScienceMême sujetRadiation Detection and Scintillator TechnologiesTravaux en français237 207