Chemical fingerprints of formation in rocky super-Earths’ data
Notice bibliographique
Résumé
ABSTRACT The composition of rocky exoplanets in the context of stars’ composition provides important constraints to formation theories. In this study, we select a sample of exoplanets with mass and radius measurements with an uncertainty $\lt 25{{\ \rm per\ cent}}$ and obtain their interior structure. We calculate compositional markers, ratios of iron to magnesium and silicon, as well as core mass fractions (CMFs) that fit the planetary parameters, and compare them to the stars. We find four key results that successful planet formation theories need to predict: (1) In a population sense, the composition of rocky planets spans a wider range than stars. The stars’ Fe/Si distribution is close to a Gaussian distribution $1.63^{+0.91}_{-0.85}$, while the planets’ distribution peaks at lower values and has a longer tail, $1.15^{+1.43}_{-0.76}$. It is easier to see the discrepancy in CMF space, where primordial stellar composition is $0.32^{+0.14}_{-0.12}$, while rocky planets follow a broader distribution $0.24^{+0.33}_{-0.18}$. (2) We introduce uncompressed density ($\overline{\rho _0}$ at reference pressure/temperature) as a metric to compare compositions. With this, we find what seems to be the maximum iron enrichment that rocky planets attain during formation ($\overline{\rho _0}\sim 6$ and CMF ∼0.8). (3) Highly irradiated planets exhibit a large range of compositions. If these planets are the result of atmospheric evaporation, iron enrichment and perhaps depletion must happen before gas dispersal. And, (4) We identify a group of highly irradiated planets that, if rocky, would be twofold depleted in Fe/Si with respect to the stars. Without a reliable theory for forming iron-depleted planets, these are interesting targets for follow-up.
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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».