The <scp>star-melt python</scp> package for emission-line analysis of YSOs
Notice bibliographique
Résumé
ABSTRACT We introduce the star-melt python package that we developed to facilitate the analysis of time-resolved emission-line spectroscopy of young stellar objects. star-melt automatically extracts, identifies, and fits emission lines. We summarize our analysis methods that utilizes the time domain of high-resolution stellar spectra to investigate variability in the line profiles and corresponding emitting regions. This allows us to probe the innermost disc and accretion structures of YSOs. Local temperatures and densities can be determined using Boltzmann statistics, the Saha equation, and the Sobolev large velocity gradient approximation. star-melt allows for new results to be obtained from archival data, as well as facilitating timely analysis of new data as it is obtained. We present the results of applying star-melt to three YSOs, using spectra from UVES, XSHOOTER, FEROS, HARPS, and ESPaDOnS. We demonstrate what can be achieved for data with disparate time sampling, for stars with different inclinations and variability types. For EX Lupi, we confirm the presence of a localized and stable stellar-surface hotspot associated with the footprint of the accretion column. For GQ Lupi A, we find that the maximum infall rate from an accretion column is correlated with lines produced in the lowest temperatures. For CVSO109. we investigate the rapid temporal variability of a redshifted emission wing, indicative of rotating and infalling material in the inner disc. Our results show that star-melt is a useful tool for such analysis, as well as other applications for emission lines.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,066 | 0,046 |
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 ».