Mitigating stellar activity jitter with different line lists for least-squares deconvolution
Notice bibliographique
Résumé
Context. Stellar activity limits the radial velocity (RV) search and characterisation of exoplanets, as it introduces spurious noise (called jitter) in the data sets and prevents the correct retrieval of a planetary signal. This is key for M dwarfs, considering that they manifest high activity levels and are primary targets for present and future searches of habitable Earth-like planets. To perform precise RV measurements, multi-line numerical techniques like cross-correlation and least-squares deconvolution (LSD) are typically employed. Aims. Effective filtering of activity is crucial to achieving the sensitivity required for small planet detections. Here we analyse the impact of selecting different line lists for LSD on the dispersion in our RV data sets, to identify the line list that most effectively reduces the jitter. Methods. We employ optical spectropolarimetric observations of the active M dwarf EV Lac collected with ESPaDOnS and NARVAL, and study two line down-selection approaches: a parametric method based on line properties (depth, wavelength, magnetic sensitivity) and a randomised algorithm that samples the line combination space. We test the latter further to find the line list that singles out the activity signal from other sources of noise, and on AD Leo and DS Leo to examine its consistency at mitigating jitter for different activity levels. The analysis is complemented with planetary injection tests. Results. The parametric selection yields a RV RMS reduction of less than 10%, while the randomised selection yields a systematic improvement (>50%) regardless of the activity level of the star examined. Furthermore, if activity is the dominant source of noise, this approach allows the construction of lists containing mainly activity-sensitive lines, which could be used to enhance the rotational modulation of the resulting data sets and determine the stellar rotation period more robustly. Finally, the output line lists allow the recovery of a synthetic planet (0.3–0.6 MJup on a 10 d orbit) in the presence of both moderate (20 m s−1 semi-amplitude) and high (200 m s−1) activity levels, without substantially affecting the planet signal (between 60 and 120 m s−1).
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».