Dispersion measure variability for 36 millisecond pulsars at 150 MHz with LOFAR
Notice bibliographique
Résumé
Context. Radio pulses from pulsars are affected by plasma dispersion, which results in a frequency-dependent propagation delay. Variations in the magnitude of this effect lead to an additional source of red noise in pulsar timing experiments, including pulsar timing arrays (PTAs) that aim to detect nanohertz gravitational waves. Aims. We aim to quantify the time-variable dispersion with much improved precision and characterise the spectrum of these variations. Methods. We use the pulsar timing technique to obtain highly precise dispersion measure (DM) time series. Our dataset consists of observations of 36 millisecond pulsars, which were observed for up to 7.1 yr with the LOw Frequency ARray (LOFAR) telescope at a centre frequency of ~150 MHz. Seventeen of these sources were observed with a weekly cadence, while the rest were observed at monthly cadence. Results. We achieve a median DM precision of the order of 10−5 cm−3 pc for a significant fraction of our sources. We detect significant variations of the DM in all pulsars with a median DM uncertainty of less than 2 × 10−4 cm−3 pc. The noise contribution to pulsar timing experiments at higher frequencies is calculated to be at a level of 0.1–10 μs at 1.4 GHz over a timespan of a few years, which is in many cases larger than the typical timing precision of 1 μs or better that PTAs aim for. We found no evidence for a dependence of DM on radio frequency for any of the sources in our sample. Conclusions. The DM time series we obtained using LOFAR could in principle be used to correct higher-frequency data for the variations of the dispersive delay. However, there is currently the practical restriction that pulsars tend to provide either highly precise times of arrival (ToAs) at 1.4 GHz or a high DM precision at low frequencies, but not both, due to spectral properties. Combining the higher-frequency ToAs with those from LOFAR to measure the infinite-frequency ToA and DM would improve the result.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».