The Magellan-TESS Survey. I. Survey Description and Midsurvey Results* †
Notice bibliographique
Résumé
Abstract Kepler revealed that roughly one-third of Sunlike stars host planets orbiting within 100 days and between the size of Earth and Neptune. How do these planets form, what are they made of, and do they represent a continuous population or multiple populations? To help address these questions, we began the Magellan-TESS Survey (MTS), which uses Magellan II/PFS to obtain radial velocity (RV) masses of 30 TESS-detected exoplanets and develops an analysis framework that connects observed planet distributions to underlying populations. In the past, small-planet RV measurements have been challenging to obtain due to host star faintness and low RV semiamplitudes and challenging to interpret due to the potential biases in target selection and observation planning decisions. The MTS attempts to minimize these biases by focusing on bright TESS targets and employing a quantitative selection function and observing strategy. In this paper, we (1) describe our motivation and survey strategy, (2) present our first catalog of planet density constraints for 27 TESS Objects of Interest (TOIs; 22 in our population analysis sample, 12 that are members of the same systems), and (3) employ a hierarchical Bayesian model to produce preliminary constraints on the mass–radius (M-R) relation. We find that the biases causing previous M-R relations to predict fairly high masses at 1 R ⊕ have been reduced. This work can inform more detailed studies of individual systems and offer a framework that can be applied to future RV surveys with the goal of population inferences.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».