MétaCan
Menu
Retour à la cohorte
Enregistrement W2788236049 · doi:10.1051/0004-6361/201832883

Planck intermediate results LIV. The Planck multi-frequency catalogue of non-thermal sources

2018· article· en· W2788236049 sur OpenAlexaff
Y. Akrami, F. Argüeso, M. Ashdown, M. Ballardini, A. J. Banday, R. B. Barreiro, N. Bartolo, S. Basak, K. Benabed, M. Bersanelli, P. Bielewicz, L. Bonavera, J. R. Bond, J. Borrill, F. R. Bouchet, C. Burigana, R. C. Butler, Erminia Calabrese, Julien Carron, H. C. Chiang, C. Combet, B. P. Crill, F. Cuttaia, P. de Bernardis, A. de Rosa, G. de Zotti, Eleonora Di Valentino, C. Dickinson, J. M. Diego, A. Ducout, X. Dupac, G. Efstathiou, F. Elsner, T. A. Enßlin, H. K. Eriksen, Y. Fantaye, F. Finelli⋆, M. Frailis, A. A. Fraisse, E. Franceschi, S. Galeotta, S. Galli, K. Ganga, R. T. Génova-Santos, M. Gerbino, T. Ghosh, J. González-Nuevo, K. M. Górski, Joseph E. Golec, A. Gruppuso, J. E. Gudmundsson, Will Handley, F. K. Hansen, D. Herranz, E. Hivon, Zhiqi Huang, A. H. Jaffe, W. C. Jones, E. Keihänen, R. Keskitalo, K. Kiiveri, J. Kim, T. S. Kisner, N. Krachmalnicoff, M. Kunz, H. Kurki‐Suonio, A. Lähteenmäki, J.–M. Lamarre, A. Lasenby, M. Lattanzi, Charles R. Lawrence, F. Levrier, M. Liguori, P. B. Lilje, V. Lindholm, M. López-Caniego, Y. Z., J. F. Macías–Pérez, G. Maggio, D. Maino, N. Mandolesi, A. Mangilli, M. Maris, P. G. Martin, E. Martínez-González, S. Matarrese, J. D. McEwen, P. R. Meinhold, A. Melchiorri, A. Mennella, M. Migliaccio, M.-A. Miville-Deschênes, D. Molinari, A. Moneti

Notice bibliographique

RevueORCA Online Research @Cardiff (Cardiff University) · 2018
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAstrophysics and Cosmic Phenomena
Établissements canadiensSimon Fraser UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPlanckPhysicsAstrophysicsSkyMillimeterAstronomy

Résumé

récupéré en direct d'OpenAlex

Context. The European Space Agency (ESA) Rosetta mission was the most comprehensive study of a comet ever performed. In particular, the Rosetta orbiter, which carried many instruments for monitoring the evolution of the dusty gas emitted by the cometary nucleus, returned an enormous volume of observational data collected from the close vicinity of the nucleus of comet 67P/Churyumov-Gerasimenko.\nAims. Such data are expected to yield unique information on the physical processes of gas and dust emission, using current physical model fits to the data. We present such a model (the RZC model) and our procedure of adjustment of this model to the data.\nMethods. The RZC model consists of two components: (1) a numerical three-dimensional time-dependent code solving the Eulerian/Navier-Stokes equations governing the gas outflow, and a direct simulation Monte Carlo (DSMC) gaskinetic code with the same objective; and (2) an iterative procedure to adjust the assumed model parameters to best-fit the observational data at all times.\nResults. We demonstrate that our model is able to reproduce the overall features of the local neutral number density and composition measurements of Rosetta Orbiter Spectrometer for Ion and Neutral Analysis (ROSINA) Comet Pressure Sensor (COPS) and Double Focusing Mass Spectrometer (DFMS) instruments in the period August 1–November 30, 2014. The results of numerical simulations show that illumination conditions on the nucleus are the main driver for the gas activity of the comet. We present the distribution of surface inhomogeneity best-fitted to the ROSINA COPS and DFMS in situ measurements.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,289
Score d'incertitude au seuil0,968

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,006
Études des sciences et des technologies0,0010,001
Communication savante0,0050,004
Science ouverte0,0030,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,2890,274

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 Opus0,032
Tête enseignante GPT0,287
Écart entre enseignants0,255 · 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'étudeObservationnel
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

Citations15
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueORCA Online Research @Cardiff (Cardiff University)Même sujetAstrophysics and Cosmic PhenomenaTravaux en français237 207