Families and Clusters of Diffuse Interstellar Bands: a Data-Driven Correlation Analysis
Notice bibliographique
Résumé
More than 500 diffuse interstellar bands (DIBs) have been observed in astronomical spectra, and their signatures and correlations in different environments have been studied over the past decades to reveal clues about the nature of the carriers. We compare the equivalent widths of the DIBs, normalized to the amount of reddening, E_B-V, to search for anti-correlated DIB pairs using a data sample containing 54 DIBs measured in 25 sight lines. This data sample covers most of the strong and commonly detected DIBs in the optical region, and the sight lines probe a variety of ISM conditions. We find that 12.9% of the DIB pairs are anti-correlated, and the lowest Pearson correlation coefficient is r_norm ~ -0.7. We revisit correlation-based DIB families and are able to reproduce the assignments of such families for the well-studied DIBs by applying hierarchical agglomerative and k-means clustering algorithms. We visualize the dissimilarities between DIBs, represented by 1 - r_norm, using multi-dimensional scaling (MDS). With this representation, we find that the DIBs form a rather continuous sequence, which implies that some properties of the DIB carriers are changing gradually following this sequence. We also find at that least two factors are needed to properly explain the dissimilarities between DIBs. While the first factor may be interpreted as related to the ionization properties of the DIB carriers, a physical interpretation of the second factor is less clear and may be related to how DIB carriers interact with surrounding interstellar material.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,001 | 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 tête enseignante, 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 ».