A Framework for Prioritizing the <i>TESS</i> Planetary Candidates Most Amenable to Atmospheric Characterization
Notice bibliographique
Résumé
A key legacy of the recently launched the Transiting Exoplanet Survey Satellite ( TESS ) mission will be to provide the astronomical community with many of the best transiting exoplanet targets for atmospheric characterization. However, time is of the essence to take full advantage of this opportunity. The James Webb Space Telescope ( JWST ), although delayed, will still complete its nominal five year mission on a timeline that motivates rapid identification, confirmation, and mass measurement of the top atmospheric characterization targets from TESS . Beyond JWST , future dedicated missions for atmospheric studies such as the Atmospheric Remote-sensing Infrared Exoplanet Large-survey ( ARIEL ) require the discovery and confirmation of several hundred additional sub-Jovian size planets ( R p < 10 R ⊕ ) orbiting bright stars, beyond those known today, to ensure a successful statistical census of exoplanet atmospheres. Ground-based extremely large telescopes (ELTs) will also contribute to surveying the atmospheres of the transiting planets discovered by TESS . Here we present a set of two straightforward analytic metrics, quantifying the expected signal-to-noise in transmission and thermal emission spectroscopy for a given planet, that will allow the top atmospheric characterization targets to be readily identified among the TESS planet candidates. Targets that meet our proposed threshold values for these metrics would be encouraged for rapid follow-up and confirmation via radial velocity mass measurements. Based on the catalog of simulated TESS detections by Sullivan et al., we determine appropriate cutoff values of the metrics, such that the TESS mission will ultimately yield a sample of ∼300 high-quality atmospheric characterization targets across a range of planet size bins, extending down to Earth-size, potentially habitable worlds.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,009 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».