Optimisation de la lecture et du contrôle de CCD à très bas bruit pour l'expérience DAMIC
Bibliographic record
Abstract
De nombreuses observations astrophysiques indiquent l’existence de grandes quantités de masse invisible dans l’Univers, appelée matière noire, dont la nature reste indéfinie, ce qui en fait l’un des enjeux majeurs de la physique moderne. Cette thèse s’inscrit dans le contexte de la détection directe de matière noire et ce dans le cadre de l’expérience DAMIC qui est installé au laboratoire souterrain de SnoLab (Canada). Mon travail de recherche s’est déroulé au sein du LPNHE qui participe à cette collaboration. Un système de lecture et de contrôle de CCD installé au LPNHE, a pour but d’étudier le comportement de ce détecteur. : il est constitué de cartes électroniques conçues au LPNHE. L’une de ces cartes supporte un ASIC de lecture appelé ASPIC ou CROC selon les versions, lequel amplifie le signal de sortie de CCD avec un gain programmable, ce permet de lire ce signal avec deux modes de lecture : Clamp & Sample et Dual Slope Integrator. Une autre carte supportant trois ASICs de contrôle appelés CABAC est capable de fournir toutes les horloges et les tensions de polarisation nécessaires au fonctionnement du CCD. Ce système contrôlé par un FPGA contient également un ADC qui permet de numériser le signal fourni par le CCD afin de le traiter par ordinateur. L’objectif de cette thèse est d’étudier les performances de ces ASICs ainsi que les résultats obtenus pour la caractérisation des CCD.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.022 | 0.005 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".