The opportunity of young nearby associations with the advent of the Gaia mission
Notice bibliographique
Résumé
This white paper proposes leveraging high-quality Gaia data available to the worldwide scientific community and complement it with support from Canadian-related facilities to place Canada as a leader in the fields of stellar associations and exoplanet science, and to train Canadian highly qualified personnel through graduate and post-graduate research grants. Gaia has sparked a new era in the study of stellar kinematics by measuring precise distances and proper motions for 1.3 billion stars. These data have already generated more than 1700 scientific papers and are guaranteed to remain the source of many more papers for the upcoming decades. More than 900 new age-calibrated young low-mass stars have already been discovered as a direct consequence of the second Gaia data release. Some of these may already be host stars to known exoplanet systems or may become so with the progress of the TESS mission that is expected to discover 10,000 nearby transiting exoplanets in the upcoming decade. This places Canada in a strategic position to leverage Gaia data because it has access to several high-resolution spectrometers on 1-4 m class telescopes (e.g. The ESPaDOnS, SPIRou and NIRPS), that would allow to quickly characterize this large number of low-mass stars and their exoplanet systems. This white paper describes the opportunity in such scientific projects that could place Canada as a leader in the fields of stellar associations and exoplanets.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,004 |
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 ».