MétaCan
Menu
Retour à la cohorte
Enregistrement W2793135670 · doi:10.3389/frym.2017.00029

Using Bright Streams to Learn about Dark Matter

2017· article· en· W2793135670 sur OpenAlexaff
Wayne Ngan

Notice bibliographique

RevueFrontiers for Young Minds · 2017
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueGalaxies: Formation, Evolution, Phenomena
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCold dark matterPhysicsDark matterHot dark matterGalaxyAstrophysicsUniverseMilky WayWarm dark matterMixed dark matterScalar field dark matterAstronomyDark fluidDark matter haloCosmologyDark energyHalo

Résumé

récupéré en direct d'OpenAlex

Matter is what we call all of the “stuff” that makes up the universe. Ordinary matter, such as atoms, makes up only about 15% of all the matter in the universe. The other 85% is called “dark matter”—it is invisible but important enough to hold our galaxy, the Milky Way, together so it does not break apart. What is dark matter? For decades, astronomers have been thinking of ideas and trying to test these ideas by observations. One popular theory called “cold dark matter (CDM)” has been widely successful in explaining dark matter in the universe as a whole, but it still needs to be tested inside our own galaxy. In this study, we show how computer simulations can help us use streams of stars in the galaxy to determine whether CDM is the correct theory to explain dark matter.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,844

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,247
Écart entre enseignants0,235 · 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 tête enseignante, 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers for Young MindsMême sujetGalaxies: Formation, Evolution, PhenomenaTravaux en français237 207