Longitudinally Resolved Spectral Retrieval (ReSpect) of WASP-43b
Notice bibliographique
Résumé
Abstract Thermal phase variations of short-period planets indicate that they are not spherical cows: day-to-night temperature contrasts range from hundreds to thousands of degrees, rivaling their vertical temperature contrasts. Nonetheless, the emergent spectra of short-period planets have typically been fit using one-dimensional (1D) spectral retrieval codes that only account for vertical temperature gradients. The popularity of 1D spectral retrieval codes is easy to understand: they are robust and have a rich legacy in solar system atmospheric studies. Exoplanet researchers have recently introduced multidimensional retrieval schemes to interpret the spectra of short-period planets, but these codes are necessarily more complex and computationally expensive than their 1D counterparts. In this paper we present an alternative: phase-dependent spectral observations are inverted to produce longitudinally resolved spectra that can then be fit using standard 1D spectral retrieval codes. We test this scheme on the iconic phase-resolved spectra of WASP-43b and on simulated observations for the James Webb Space Telescope (JWST) using the open-source Pyrat Bay 1D spectral retrieval framework. Notably, we take the model complexity of the simulations one step further from previous studies by allowing for longitudinal variations in composition in addition to temperature. We show that performing 1D spectral retrieval on longitudinally resolved spectra is more accurate than applying 1D spectral retrieval codes to disk-integrated emission spectra, even though this is identical in terms of computational load. We find that for the extant Hubble and Spitzer observations of WASP-43b, the difference between the two approaches is negligible, but JWST phase measurements should be treated with longitudinally resolved spectral retrieval (ReSpect).
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».