MétaCan
Menu
← Retour à la cohorte
Enregistrement W3088448324 · doi:10.3847/1538-4357/abba24

Clumping in the Winds of Wolf–Rayet Stars

2020· article· en· W3088448324 sur OpenAlexaff

Notice bibliographique

RevueThe Astrophysical Journal · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueStellar, planetary, and galactic studies
Établissements canadiensUniversité de MontréalCentre for Research in Astrophysics of Québec
Organismes subventionnairesnon disponible
Mots-clésStarsInstabilityHydrostatic equilibriumLine (geometry)Spectral lineO-type starInstability strip

Résumé

récupéré en direct d'OpenAlex

Abstract We attempt to determine the driver for clumping in hot-star winds by extending the measure of the spectral variability level of Galactic Wolf–Rayet stars to by far the hottest known among them, the WN2 star WR 2 and the WO2 stars WR 102 and WR 142. These three stars have T ⋆ = 140 and 200 kK, the last two being well above the bulk of WR stars with T ⋆ ∼ 40–120 kK. This full temperature range for WR stars is much broader than that of their O-star progenitors (∼30–50 kK), so is better suited to look for any temperature dependence of wind clumping. We have obtained multiple observations with high signal-to-noise, moderate-resolution spectroscopy in search of small-scale variability in the strong emission lines from the dense winds of these three extreme stars, and find a very low-level of variability in both stars. Temperature and terminal velocity are correlated, so faster winds show a lower variability, though this trend goes against any predictions made involving Line Deshadowing Instability (LDI) only, implying that instabilities intrinsic to LDI are not the main source of wind clumping. Instead, it could be taken as support for the suggestion that clumps are caused by a subsurface convection zone (SSCZ) at T ∼ 170 kK, since such an SSCZ would have little opportunity to operate under the hydrostatic surface of these hottest WR stars. It is still possible, however, that an SSCZ-related driver could interact with nonlinear line instability effects to enhance or possibly even produce clumps.

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)0,000
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,232
Écart entre enseignants0,214 · 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'étudeSimulation ou modélisation
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

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Astrophysical Journal→Même sujetStellar, planetary, and galactic studies→Travaux en français237 207→