The International Deep Planet Survey
Notice bibliographique
Résumé
Context. Radial velocity and transit methods are effective for the study of short orbital period exoplanets but they hardly probe objects at large separations for which direct imaging can be used. Aims. We carried out the international deep planet survey of 292 young nearby stars to search for giant exoplanets and determine their frequency. Methods. We developed a pipeline for a uniform processing of all the data that we have recorded with NIRC2/Keck II, NIRI/Gemini North, NICI/Gemini South, and NACO/VLT for 14 yr. The pipeline first applies cosmetic corrections and then reduces the speckle intensity to enhance the contrast in the images. Results. The main result of the international deep planet survey is the discovery of the HR 8799 exoplanets. We also detected 59 visual multiple systems including 16 new binary stars and 2 new triple stellar systems, as well as 2279 point-like sources. We used Monte Carlo simulations and the Bayesian theorem to determine that 1.05 +2.80 -0.70 % of stars harbor at least one giant planet between 0.5 and 14 M J and between 20 and 300 AU. This result is obtained assuming uniform distributions of planet masses and semi-major axes. If we consider power law distributions as measured for close-in planets instead, the derived frequency is 2.30 +5.95 -1.55 %, recalling the strong impact of assumptions on Monte Carlo output distributions. We also find no evidence that the derived frequency depends on the mass of the hosting star, whereas it does for close-in planets. Conclusions. The international deep planet survey provides a database of confirmed background sources that may be useful for other exoplanet direct imaging surveys. It also puts new constraints on the number of stars with at least one giant planet reducing by a factor of two the frequencies derived by almost all previous works.
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 | 0,000 | 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 ».