OSSOS. XIII. Fossilized Resonant Dropouts Tentatively Confirm Neptune’s Migration Was Grainy and Slow
Notice bibliographique
Résumé
Abstract The migration of Neptune’s resonances through the proto–Kuiper Belt has been imprinted in the distribution of small bodies in the outer solar system. Here we analyze five published Neptune migration models in detail, focusing on the high pericenter distance (high- q ) trans-Neptunian objects (TNOs) near Neptune’s 5:2 and 3:1 mean-motion resonances because they have large resonant populations, are outside the main classical belt, and are relatively isolated from other strong resonances. We compare the observationally biased output from these dynamical models with the detected TNOs from the Outer Solar System Origins Survey (OSSOS) via its Survey Simulator. All four of the new OSSOS detections of high- q nonresonant TNOs are on the sunward side of the 5:2 and 3:1 resonances. We show that even after accounting for observation biases, this asymmetric distribution cannot be drawn from a uniform distribution of TNOs at 2 σ confidence. As shown by previous work, our analysis here tentatively confirms that the dynamical model that uses grainy slow Neptune migration provides the best match to the real high- q TNO orbital data. However, due to extreme observational biases, we have very few high- q TNO discoveries with which to statistically constrain the models. Thus, this analysis provides a framework for future comparison between the output from detailed, dynamically classified Neptune migration simulations and the TNO discoveries from future well-characterized surveys. We show that a deeper survey (to a limiting r -magnitude of 26.0) with a similar survey area to OSSOS could statistically distinguish between these five Neptune migration models.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».