Modelling the RV jitter of early-M dwarfs using tomographic imaging
Notice bibliographique
Résumé
In this paper, we show how tomographic imaging (Zeeman–Doppler imaging, ZDI) can be used to characterize stellar activity and magnetic field topologies, ultimately allowing us to filter out the radial velocity (RV) activity jitter of M dwarf moderate rotators. This work is based on spectropolarimetric observations of a sample of five weakly active early-M dwarfs (GJ 205, GJ 358, GJ 410, GJ 479, GJ 846) with HARPS-Pol and NARVAL. These stars have <it>v</it> sin <it>i</it> and RV jitters in the range 1–2 km s−1 and 2.7–10.0 m s−1 rms, respectively. Using a modified version of ZDI applied to sets of phase-resolved least-squares deconvolved profiles of unpolarized spectral lines, we are able to characterize the distribution of active regions at the stellar surfaces. We find that dark spots cover less than 2 per cent of the total surface of the stars of our sample. Our technique is efficient at modelling the rotationally modulated component of the activity jitter, and succeeds at decreasing the amplitude of this component by typical factors of 2–3 and up to 6 in optimal cases. From the rotationally modulated time series of circularly polarized spectra and with ZDI, we also reconstruct the large-scale magnetic field topology. These fields suggest that bistability of dynamo processes observed in active M dwarfs may also be at work for moderately active M dwarfs. Comparing spot distributions with field topologies suggest that dark spots causing activity jitter concentrate at the magnetic pole and/or equator, to be confirmed with future data on a larger sample.
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 | 0,001 |
| 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 ».