MétaCan
Menu
← Retour à la cohorte
Enregistrement W2466760236 · doi:10.1093/mnras/stw2360

On the formation and chemical composition of super Earths

2016· article· en· W2466760236 sur OpenAlexaff
Matthew Alessi, Ralph E. Pudritz, A. Cridland

Notice bibliographique

RevueMonthly Notices of the Royal Astronomical Society · 2016
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAstrophysics and Star Formation Studies
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésPhysicsPlanetAccretion (finance)ExoplanetAstrophysicsPlanetesimalTerrestrial planetAstrobiologyPlanetary systemPopulationGas giantPlanetary massAstronomyHot JupiterAstrochemistryInterstellar mediumGalaxy

Résumé

récupéré en direct d'OpenAlex

Super Earths are the largest population of exoplanets and are seen to exhibit a rich diversity of compositions as inferred through their mean densities. Here we present a model that combines equilibrium chemistry in evolving discs with core accretion that tracks materials accreted on to planets during their formation. In doing so, we aim to explain why super Earths form so frequently and how they acquire such a diverse range of compositions. A key feature of our model is disc inhomogeneities, or planet traps, that act as barriers to rapid type-I migration. The traps we include are the dead zone, which can be caused by either cosmic ray or X-ray ionization, the ice line, and the heat transition. We find that in discs with sufficiently long lifetimes (≳4 Myr), all traps produce Jovian planets. In these discs, planet formation in the heat transition and X-ray dead zone produces hot Jupiters, while the ice line and cosmic ray dead zones produce Jupiters at roughly 1 au. Super Earth formation takes place within short-lived discs (≲2 Myr), whereby the discs are photoevaporated while planets are in a slow phase of gas accretion. We find that super Earth compositions range from dry and rocky (<6 per cent ice by mass) to those with substantial water contents (>30 per cent ice by mass). The traps play a crucial role in our results, as they dictate where in the disc particular planets can accrete from, and what compositions they are able to acquire.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,006
Tête enseignante GPT0,191
Écart entre enseignants0,184 · 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

Citations45
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMonthly Notices of the Royal Astronomical Society→Même sujetAstrophysics and Star Formation Studies→Travaux en français237 207→