MétaCan
Menu
Retour à la cohorte
Enregistrement W2888323279 · doi:10.1038/s41467-018-05934-7

Melting conditions in the modern Tibetan crust since the Miocene

2018· article· en· W2888323279 sur OpenAlexaff
Jinyu Chen, Fabrice Gaillard, Arnaud Villaros, Xiao‐Song Yang, Mickaël Laumonier, Laurent Jolivet, Martyn Unsworth, Leïla Hashim, Bruno Scaillet, Guillaume Richard

Notice bibliographique

RevueNature Communications · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological and Geochemical Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesChina Scholarship CouncilEuropean Research CouncilUniversité d'OrléansNational Natural Science Foundation of ChinaAgence Nationale de la Recherche
Mots-clésCrustGeologyPartial meltingTectonicsPlateau (mathematics)GeochemistryPetrologyGeophysicsPaleontology

Résumé

récupéré en direct d'OpenAlex

Abstract Abundant granitic rocks exposed in ancient mountain belts suggest that crustal melting plays a major role in orogenic processes. However, complex field relations and superposition of multiple tectonic events make it difficult to determine the role of melting in orogenesis. In contrast, geophysical measurements image present-day crustal conditions but cannot discriminate between partial melt and aqueous fluids. Here we connect pressure–temperature paths of Himalayan Miocene crustal rocks to the present-day conditions beneath the Tibetan plateau imaged with geophysical data. We use measurements of electrical conductivity to show that 4–16% water-rich melt is required to explain the crustal conductivity in the north-western Himalaya. In southern Tibet, higher melt fractions >30% reflect a crust that is either fluid-enriched (+1% H2O) or hotter (+100 °C) compared to the Miocene crust. These melt fractions are high enough for the partially molten rocks to be significantly weaker than the solid crust.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,026
Tête enseignante GPT0,270
Écart entre enseignants0,244 · 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

Citations62
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetGeological and Geochemical AnalysisTravaux en français237 207