wdwarfdate: A Python Package to Derive Bayesian Ages of White Dwarfs
Notice bibliographique
Résumé
Abstract White dwarfs have been successfully used as cosmochronometers in the literature; however, their reach has been limited in comparison to their potential. We present wdwarfdate, a publicly available Python package to derive the Bayesian age of a white dwarf, based on its effective temperature (T eff) and surface gravity (log g). We make this software easy to use with the goal of transforming the usage of white dwarfs as cosmochronometers into an accessible tool. The code estimates the mass and cooling age of the white dwarf, as well as the mass and main-sequence age of the progenitor star, allowing for a determination of the total age of the object. We test the reliability of the method by estimating the parameters of white dwarfs from previous studies and find agreement with the literature within measurement errors. In addition, we use wdwarfdate to infer the total age of 18 white dwarfs that are in possible wide binaries with M dwarfs; this leads to an additional set of age-calibrated low-mass stars. By analyzing the limitation of the code we find a typical uncertainty of 10% on the total age when both input parameters have uncertainties of 1%, and an uncertainty of 25% on the total age when T eff has an uncertainty of 10% and log g of 1%. Furthermore, wdwarfdate assumes single-star evolution and can be applied to calculate the total age of a white dwarf with parameters in the range 1500 ≲ T eff ≲ 90,000 K and 7.9 ≲ log g ≲ 9.3. Finally, the code assumes a uniform mixture of C/O in the core and single-star evolution, which is reliable in the range of white dwarf masses 0.45−1.1 M ⊙(7.73 ≲ log g ≲ 8.8).
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,016 |
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 ».