MétaCan
Menu
Retour à la cohorte
Enregistrement W3101612202

Are Stars with Planets Polluted?

2001· article· en· W3101612202 sur OpenAlexaff

Notice bibliographique

RevueCERN Document Server (European Organization for Nuclear Research) · 2001
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueStellar, planetary, and galactic studies
Établissements canadiensCanadian Institute for Theoretical AstrophysicsUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMetallicityPhysicsAstrophysicsPlanetStarsAstronomyStellar massStar formation
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We compare the metallicities of stars with radial velocity planets to the metallicity of a sample of field dwarfs. We confirm recent work indicating that the stars-with-planet sample as a whole is iron rich. However, the lowest mass stars tend to be iron poor, with several having [Fe/H]<-0.2, demonstrating that high metallicity is not required for the formation of short period Jupiter-mass planets. We show that the average [Fe/H] increases with increasing stellar mass (for masses below 1.25 solar masses) in both samples, but that the increase is much more rapid in the stars-with-planet sample. The variation of metallicity with stellar age also differs between the two samples. We examine possible selection effects related to variations in the sensitivity of radial velocity surveys with stellar mass and metallicity, and identify a color cutoff (B-V>0.48) that contributes to but does not explain the mass-metallicity trend in the stars-with-planets sample. We use Monte Carlo models to show that adding an average of 6.5 Earth masses of iron to each star can explain both the mass-metallicity and the age-metallicity relations of the stars-with-planets sample. However, for at least one star, HD 38529, there is good evidence that the bulk metallicity is high. We conclude that the observed metallicities and metallicity trends are the result of the interaction of three effects; accretion of about 6 Earth masses of iron rich material, selection effects, and in some cases, high intrinsic metallicity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,216
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,023
Tête enseignante GPT0,244
Écart entre enseignants0,221 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations56
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCERN Document Server (European Organization for Nuclear Research)Même sujetStellar, planetary, and galactic studiesTravaux en français237 207