Notice bibliographique
Résumé
The extended Kepler mission (K2) has revealed more than 500 transiting planets in roughly 500 000 stellar light curves. All of these were found either with the box least-squares algorithm or by visual inspection. Here we use our new transit least-squares (TLS) algorithm to search for additional planets around all K2 stars that are currently known to host at least one planet. We discover and statistically validate 17 new planets with radii ranging from about 0.7 Earth radii (R⊕) to roughly 2.2 R⊕ and a median radius of 1.18 R⊕. EPIC 201497682.03, with a radius of 0.692+0.059−0.048, is the second smallest planet ever discovered with K2. The transit signatures of these 17 planets are typically 200 ppm deep (ranging from 100 ppm to 2000 ppm), and their orbital periods extend from about 0.7 d to 34 d with a median value of about 4 d. Fourteen of these 17 systems only had one known planet before, and they now join the growing number of multi-planet systems. Most stars in our sample have subsolar masses and radii. The small planetary radii in our sample are a direct result of the higher signal detection efficiency that TLS has compared to box-fitting algorithms in the shallow-transit regime. Our findings help in populating the period-radius diagram with small planets. Our discovery rate of about 3.7% within the group of previously known K2 systems suggests that TLS can find over 100 additional Earth-sized planets in the data of the Kepler primary mission.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,013 |
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 ».