Ensemble age inversions for large spectroscopic surveys
Notice bibliographique
Résumé
Context. Galactic astrophysics is now in the process of building a multi-dimensional map of the Galaxy. For such a map, stellar ages are an essential ingredient. Ages are measured only indirectly however, by comparing observational data with models. It is often difficult to provide a single age value for a given star, as several non-overlapping solutions are possible. Aims. We aim at recovering the underlying log(age) distribution from the measured log(age) probability density function for an arbitrary set of stars. Methods. We build an age inversion method, namely we represent the measured log(age) probability density function as a weighted sum of probability density functions of mono-age populations. Weights in that sum give the underlying log(age) distribution. Mono-age populations are simulated so that the distribution of stars on the log g-[Fe/H] plane is close to that of the observed sample. Results. We tested the age inversion method on simulated data, demonstrating that it is capable of properly recovering the true log(age) distribution for a large (N > 103) sample of stars. The method was further applied to large public spectroscopic surveys. For RAVE-on, LAMOST and APOGEE we also applied age inversion to mono-metallicity samples, successfully recovering age–metallicity trends present in higher-precision APOGEE data and chemical evolution models. Conclusions. We conclude that applying an age inversion method as presented in this work is necessary to recover the underlying age distribution of a large (N > 103) set of stars. These age distributions can be used to explore age–metallicity relations, for instance.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».