The California-Kepler Survey. IV. Metal-rich Stars Host a Greater Diversity of Planets
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Probing the connection between a star's metallicity and the presence and properties of any associated planets offers an observational link between conditions during the epoch of planet formation and mature planetary systems. We explore this connection by analyzing the metallicities of Kepler target stars and the subset of stars found to host transiting planets. After correcting for survey incompleteness, we measure planet occurrence: the number of planets per 100 stars with a given metallicity M. Planet occurrence correlates with metallicity for some, but not all, planet sizes and orbital periods. For warm super-Earths having P = 10-100 days and RP = 1.0-1.7 R⊕, planet occurrence is nearly constant over metallicities spanning -0.4 to + 0.4 dex. We find 20 warm super-Earths per 100 stars, regardless of metallicity. In contrast, the occurrence of warm sub-Neptunes (RP= 1.7-4.0 R⊕) doubles over that same metallicity interval, from 20 to 40 planets per 100 stars. We model the distribution of planets as df ∝ 10βM DM, where β characterizes the strength of any metallicity correlation. This correlation steepens with decreasing orbital period and increasing planet size. For warm super-Earths β = -0.3-0.2+0.2, while for hot Jupiters β = +3.40.8+0.9. High metallicities in protoplanetary disks may increase the mass of the largest rocky cores or the speed at which they are assembled, enhancing the production of planets larger than 1.7 R⊕. The association between high metallicity and short-period planets may reflect disk density profiles that facilitate the inward migration of solids or higher rates of planet-planet scattering.
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.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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.
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 découle