The miniJPAS survey: stellar atmospheric parameters from 56 optical filters
Notice bibliographique
Résumé
ABSTRACT With a unique set of 54 overlapping narrow-band and two broader filters covering the entire optical range, the incoming Javalambre-Physics of the Accelerating Universe Astrophysical Survey (J-PAS) will provide a great opportunity for stellar physics and near-field cosmology. In this work, we use the miniJPAS data in 56 J-PAS filters and 4 complementary SDSS-like filters to explore and prove the potential of the J-PAS filter system in characterizing stars and deriving their atmospheric parameters. We obtain estimates for the effective temperature with a good precision (<150 K) from spectral energy distribution fitting. We have constructed the metallicity-dependent stellar loci in 59 colours for the miniJPAS FGK dwarf stars, after correcting certain systematic errors in flat-fielding. The very blue colours, including uJAVA − r, J0378 − r, J0390 − r, uJPAS − r, show the strongest metallicity dependence, around 0.25 mag dex−1. The sensitivities decrease to about 0.1 mag dex−1 for the J0400 − r, J0410 − r, and J0420 − r colours. The locus fitting residuals show peaks at the J0390, J0430, J0510, and J0520 filters, suggesting that individual elemental abundances such as [Ca/Fe], [C/Fe], and [Mg/Fe] can also be determined from the J-PAS photometry. Via stellar loci, we have achieved a typical metallicity precision of 0.1 dex. The miniJPAS filters also demonstrate strong potential in discriminating dwarfs and giants, particularly the J0520 and J0510 filters. Our results demonstrate the power of the J-PAS filter system in stellar parameter determinations and the huge potential of the coming J-PAS survey in stellar and Galactic studies.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».