The Influence of 10 Unique Chemical Elements in Shaping the Distribution of Kepler Planets
Notice bibliographique
Résumé
Abstract The chemical abundances of planet-hosting stars offer a glimpse into the composition of planet-forming environments. To further understand this connection, we make the first ever measurement of the correlation between planet occurrence and chemical abundances for ten different elements (C, Mg, Al, Si, S, K, Ca, Mn, Fe, and Ni). Leveraging data from the Apache Point Observatory Galactic Evolution Experiment (APOGEE) and Gaia to derive precise stellar parameters ( σ R ⋆ ≈ 2.3 % , σ M ⋆ ≈ 4.5 % ) for a sample of 1018 Kepler Objects of Interest, we construct a sample of well-vetted Kepler planets with precisely measured radii ( σ R p ≈ 3.4 % ). After controlling for biases in the Kepler detection pipeline and the selection function of the APOGEE survey, we characterize the relationship between planet occurrence and chemical abundance as the number density of nuclei of each element in a star’s photosphere raised to a power, β. varies by planet type, but is consistent within our uncertainties across all ten elements. For hot planets (P = 1–10 days), an enhancement in any element of 0.1 dex corresponds to an increased occurrence of ≈20% for super-Earths (R p = 1–1.9 R ⊕) and ≈60% for sub-Neptunes (R p = 1.9–4 R ⊕). Trends are weaker for warm (P = 10–100 days) planets of all sizes and for all elements, with the potential exception of sub-Saturns (R p = 4–8 R ⊕). Finally, we conclude this work with a caution to interpreting trends between planet occurrence and stellar age due to degeneracies caused by Galactic chemical evolution and make predictions for planet occurrence rates in nearby open clusters to facilitate demographics studies of young planetary systems.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».