MétaCan
Menu
Retour à la cohorte
Enregistrement W4224566698 · doi:10.1103/physrevd.105.083524

Improved limits on the tensor-to-scalar ratio using BICEP and <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" display="inline"><mml:mi>P</mml:mi><mml:mi>l</mml:mi><mml:mi>a</mml:mi><mml:mi>n</mml:mi><mml:mi>c</mml:mi><mml:mi>k</mml:mi></mml:math> data

2022· article· lv· W4224566698 sur OpenAlexaff
M. Tristram, A. J. Banday, K. M. Górski, Reijo Keskitalo, C. R. Lawrence, K. J. Andersen, R. B. Barreiro, J. Borrill, L. P. L. Colombo, H. K. Eriksen, R. Fernández-Cobos, Theodore Kisner, E. Martínez-González, B. Partridge, D. Scott, T. L. Svalheim, I. K. Wehus

Notice bibliographique

RevuePhysical review. D/Physical review. D. · 2022
Typearticle
Languelv
DomainePhysics and Astronomy
ThématiqueCosmology and Gravitation Theories
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesJet Propulsion LaboratoryCentre National de la Recherche ScientifiqueInstitut National de Physique Nucléaire et de Physique des ParticulesNational Aeronautics and Space AdministrationCalifornia Institute of TechnologyEuropean Space AgencyNational Energy Research Scientific Computing CenterU.S. Department of Energy
Mots-clésMathematics

Résumé

récupéré en direct d'OpenAlex

We present constraints on the tensor-to-scalar ratio $r$ using a combination of BICEP/Keck 2018 (BK18) and Planck PR4 data allowing us to fit for $r$ consistently with the six parameters of the $\mathrm{\ensuremath{\Lambda}}\mathrm{CDM}$ model. We discuss the sensitivity of constraints on $r$ to uncertainties in the $\mathrm{\ensuremath{\Lambda}}\mathrm{CDM}$ parameters as defined by the Planck data. In particular, we are able to derive a constraint on the reionization optical depth $\ensuremath{\tau}$ and thus propagate its uncertainty into the posterior distribution for $r$. While Planck sensitivity to $r$ is slightly lower than the current ground-based measurements, the combination of Planck with BK18 and baryon-acoustic-oscillation data yields results consistent with $r=0$ and tightens the constraint to $r&lt;0.032$ at 95% confidence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,013
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,001
Communication savante0,0030,004
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,325
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations257
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical review. D/Physical review. D.Même sujetCosmology and Gravitation TheoriesTravaux en français237 207