MétaCan
Menu
Retour à la cohorte
Enregistrement W4297347872 · doi:10.3390/atoms10040103

Using Molecular Lines to Determine Carbon and Nitrogen Abundances in the Atmospheres of Cool Stars

2022· article· en· W4297347872 sur OpenAlexfundno aff
T. Ryabchikova, N. Piskunov, Yu. V. Pakhomov

Notice bibliographique

RevueAtoms · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueStellar, planetary, and galactic studies
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Space AgencyMinistry of Science and Higher Education of the Russian FederationMinisterstwo Edukacji i Nauki
Mots-clésStarsNitrogenSpectral lineCarbon fibersLine (geometry)PhysicsAbundance (ecology)AstrophysicsMolecular spectroscopyMoleculeAtomic carbonMolecular nitrogenSpectroscopyAstronomyMaterials scienceHydrogen

Résumé

récupéré en direct d'OpenAlex

Simultaneous analysis of the C2 and CN molecular bands in the 5100–5200 and 7930–8100 Å spectral regions is a promising alternative for the accurate determination of the carbon (C) and nitrogen (N) abundance in the atmospheres of the solar-like stars. Practical implementation of this new method became possible after recent improvements of the molecular constants for both molecules. The new molecular data predicted the correct line strength and line positions; therefore, they were included in the Vienna Atomic Line Database (VALD), which is widely used by astronomers and spectroscopists. In this paper, we demonstrate that the molecular data analysis provides C and, in particular, N abundances consistent with those derived from the atomic lines. We illustrate this by performing the analysis for three stars. Our results provide strong arguments for using the combination of C2 and CN molecular lines for accurate nitrogen abundance determination keeping in mind the difficulties of using the N i lines in the observed spectra of the solar-like stars.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,247
Écart entre enseignants0,229 · 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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtomsMême sujetStellar, planetary, and galactic studiesTravaux en français237 207