MétaCan
Menu
Retour à la cohorte
Enregistrement W2991979053 · doi:10.1103/physrevd.101.083503

Reconsidering astrophysical constraints on macroscopic dark matter

2020· article· en· W2991979053 sur OpenAlexaboutno aff
Jagjit Singh Sidhu, Glenn D. Starkman

Notice bibliographique

RevuePhysical review. D/Physical review. D. · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueDark Matter and Cosmic Phenomena
Établissements canadiensnon disponible
Organismes subventionnairesCase Western Reserve UniversityU.S. Department of Energy
Mots-clésGravitational microlensingPhysicsWhite dwarfSupernovaAstrophysicsDark matterNeutron starThermonuclear fusionObservableAstronomyStarsNuclear physicsPlasma

Résumé

récupéré en direct d'OpenAlex

Macroscopic dark matter---``macros''---refers to a broad class of alternative candidates to particle dark matter with still unprobed regions of parameter space. These candidates would transfer energy primarily through elastic scattering with approximately their geometric cross section. For sufficiently large cross sections, the linear energy deposition could produce observable signals if a macro were to pass through compact objects such as white dwarfs or neutron stars in the form of thermonuclear runaway, leading to a type Ia supernova or superburst, respectively. We update the constraints from white dwarfs. These are weaker than previously inferred in important respects because of more careful treatment of the passage of a macro through the white dwarf and greater conservatism regarding the size of the region that must be heated to initiate runaway. On the other hand, we place more stringent constraints on macros at a low cross section, using new data from the Montreal White Dwarf Database. New constraints are inferred from the low mass x-ray binary 4U 1820-30, in which more than a decade passed between successive superbursts. Updated microlensing constraints are also reported.

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)0,005
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,365
Écart entre enseignants0,338 · 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
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical review. D/Physical review. D.Même sujetDark Matter and Cosmic PhenomenaTravaux en français237 207