MétaCan
Menu
← Retour à la cohorte
Enregistrement W2921907457 · doi:10.48550/arxiv.1903.06242

The Early Evolution of Stars and Exoplanet Systems: Exploring and Exploiting Nearby, Young Stars (an Astro2020 Science White Paper)

2019· preprint· en· W2921907457 sur OpenAlexaff
Joel H. Kastner, Katelyn Allers, Brendan P. Bowler, Thayne Currie, J. J. Drake, Trent J. Dupuy, Jonathan Gagné, Michael C. Liu, Eric E. Mamajek, Dimitri Mawet, Evgenya L. Shkolnik, Inseok Song, R. J. White, B. Zuckerman

Notice bibliographique

RevuearXiv (Cornell University) · 2019
Typepreprint
Langueen
DomainePhysics and Astronomy
ThématiqueStellar, planetary, and galactic studies
Établissements canadiensPQ Corporation (Canada)
Organismes subventionnairesnon disponible
Mots-clésExoplanetStarsWhite dwarfWhite (mutation)White paperAstronomyPhysicsAstrobiologyAstrophysicsGeographyBiology

Résumé

récupéré en direct d'OpenAlex

Our knowledge of the population of young (age <=750 Myr) stars that lie within ~120 pc of the Sun is rapidly accelerating. The vast majority of these nearby, young stars can be placed in kinematically coherent groups (nearby, young moving groups; NYMGs). NYMGs and their member stars afford unmatched opportunities to explore a wide variety of aspects of the early evolution of stars and exoplanet systems, including stellar initial mass functions and age determination methods; the magnetic activities and high-energy radiation environments of young, late-type stars; the dynamics of young binary and hierarchical multiple systems; the late evolutionary stages of circumstellar disks; and, especially, direct-imaging discovery and characterization of massive young exoplanets. In this Astro2020 Science White Paper, we describe how our understanding of these and many other aspects of the early lives of stars and planetary systems is ripe for progress over the next decade via the identification and study of NYMG members with present and next-generation facilities and instruments.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

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 Opus0,050
Tête enseignante GPT0,176
Écart entre enseignants0,127 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)→Même sujetStellar, planetary, and galactic studies→Travaux en français237 207→