MétaCan
Menu
Retour à la cohorte
Enregistrement W2199006941 · doi:10.1093/mnras/stv1843

What is a GMC? Are observers and simulators discussing the same star-forming clouds?

2015· article· en· W2199006941 sur OpenAlexaff
Hsi-An Pan, Yusuke Fujimoto, Elizabeth J. Tasker, Erik Rosolowsky, Dario Colombo, Samantha M. Benincasa, James Wadsley

Notice bibliographique

RevueMonthly Notices of the Royal Astronomical Society · 2015
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAstrophysics and Star Formation Studies
Établissements canadiensMcMaster UniversityUniversity of Alberta
Organismes subventionnairesNational Astronomical Observatory of JapanMinistry of Education, Culture, Sports, Science and Technology
Mots-clésPhysicsMolecular cloudPosition (finance)AstrophysicsVelocity dispersionGalaxyRADIUSCloud computingObserver (physics)Virial theoremStar formationEffective radiusIdentification (biology)Space (punctuation)StarsComputer science

Résumé

récupéré en direct d'OpenAlex

As both simulations and observations reach the resolution of the star-forming molecular clouds, it becomes important to clarify if these two techniques are discussing the same objects in galaxies. We compare clouds formed in a high-resolution galaxy simulation identified as continuous structures within a contour, in the simulator's position–position–position (PPP) coordinate space and the observer's position–position–velocity space (PPV). Results indicate that the properties of the cloud populations are similar in both methods and up to 70 per cent of clouds have a single counterpart in the opposite data structure. Comparing individual clouds in a one-to-one match reveals a scatter in properties mostly within a factor of 2. However, the small variations in mass, radius and velocity dispersion produce significant differences in derived quantities such as the virial parameter. This makes it difficult to determine if a structure is truly gravitationally bound. The three cloud types originally found in the simulation in Fujimoto et al. are identified in both data sets, with around 80 per cent of the clouds retaining their type between identification methods. We also compared our results when using a peak decomposition method to identify clouds in both PPP and PPV space. The number of clouds increased with this technique, but the overall cloud properties remained similar. However, the more crowded environment lowered the ability to match clouds between techniques to 40 per cent. The three cloud types also became harder to separate, especially in the PPV data set. The method used for cloud identification therefore plays a critical role in determining cloud properties, but both PPP and PPV can potentially identify the same structures.

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)0,009
score de la tête « metaresearch » (Gemma)0,045
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,045
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0030,009
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
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 Opus0,017
Tête enseignante GPT0,230
Écart entre enseignants0,213 · 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

Citations28
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMonthly Notices of the Royal Astronomical SocietyMême sujetAstrophysics and Star Formation StudiesTravaux en français237 207