Gliese 49: activity evolution and detection of a super-Earth
Notice bibliographique
Résumé
Context. Small planets around low-mass stars often show orbital periods in a range that corresponds to the temperate zones of their host stars which are therefore of prime interest for planet searches. Surface phenomena such as spots and faculae create periodic signals in radial velocities and in observational activity tracers in the same range, so they can mimic or hide true planetary signals. Aims. We aim to detect Doppler signals corresponding to planetary companions, determine their most probable orbital configurations, and understand the stellar activity and its impact on different datasets. Methods. We analyzed 22 yr of data of the M1.5 V-type star Gl 49 (BD+61 195) including HARPS-N and CARMENES spectrographs, complemented by APT2 and SNO photometry. Activity indices are calculated from the observed spectra, and all datasets are analyzed with periodograms and noise models. We investigated how the variation of stellar activity imprints on our datasets. We further tested the origin of the signals and investigate phase shifts between the different sets. To search for the best-fit model we maximize the likelihood function in a Markov chain Monte Carlo approach. Results. As a result of this study, we are able to detect the super-Earth Gl 49b with a minimum mass of 5.6 M⊕. It orbits its host star with a period of 13.85 d at a semi-major axis of 0.090 au and we calculate an equilibrium temperature of 350 K and a transit probability of 2.0%. The contribution from the spot-dominated host star to the different datasets is complex, and includes signals from the stellar rotation at 18.86 d, evolutionary timescales of activity phenomena at 40–80 d, and a long-term variation of at least four years.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».