Quantifying the Observational Effort Required for the Radial Velocity Characterization of TESS Planets
Notice bibliographique
Résumé
Abstract The Transiting Exoplanet Survey Satellite (TESS) will conduct a two-year wide-field survey searching for transiting planets around bright stars. Many TESS discoveries will be amenable to mass characterization via ground-based radial velocity measurements with any of a growing suite of existing and anticipated velocimeters in the optical and near-infrared. In this study we present an analytical formalism to compute the number of radial velocity (RV) measurements—and hence the total observing time—required to characterize RV planet masses with the inclusion of either a white or correlated noise activity model. We use our model to calculate the total observing time required to measure all TESS planet masses from the expected TESS planet yield while relying on our current understanding of the targeted stars, stellar activity, and populations of unseen planets that inform the expected RV precision. We also present specialized calculations applicable to a variety of interesting subsets of TESS planets including the characterization of 50 planets smaller than 4 Earth radii, which is expected to take as little as 60 nights of observation. However, the efficient RV characterization of such planets requires a priori knowledge of the “best” targets, which we argue can be identified prior to the conclusion of the TESS planet search based on our calculations. Our results highlight the comparable performance of optical and near-IR spectrographs for most planet populations except for Earths and temperate TESS planets, which are more efficiently characterized in the near-IR. Lastly, we present an online tool to the community to compute the total observing times required to detect any transiting planet using a user-defined spectrograph (RVFC; http://maestria.astro.umontreal.ca/rvfc ).
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 | 0,002 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».