Predicting gravitational lensing by stellar remnants
Notice bibliographique
Résumé
Gravitational lensing provides a means to measure mass that does not rely on detecting and analysing light from the lens itself. Compact objects are ideal gravitational lenses, because they have relatively large masses and are dim. In this paper, we describe the prospects for predicting lensing events generated by the local population of compact objects, consisting of 250 neutron stars, five black holes, and ≈35 000 white dwarfs. By focusing on a population of nearby compact objects with measured proper motions and known distances from us, we can measure their masses by studying the characteristics of any lensing event they generate. Here, we concentrate on shifts in the position of a background source due to lensing by a foreground compact object. With Hubble Space Telescope, JWST, and Gaia, measurable centroid shifts caused by lensing are relatively frequent occurrences. We find that 30–50 detectable events per decade are expected for white dwarfs. Because relatively few neutron stars and black holes have measured distances and proper motions, it is more difficult to compute realistic rates for them. However, we show that at least one isolated neutron star has likely produced detectable events during the past several decades. This work is particularly relevant to the upcoming data releases by the Gaia mission and also to data that will be collected by JWST. Monitoring predicted microlensing events will not only help to determine the masses of compact objects, but will also potentially discover dim companions to these stellar remnants, including orbiting exoplanets.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».