Spectroscopic r-Process Abundance Retrieval for Kilonovae. I. The Inferred Abundance Pattern of Early Emission from GW170817
Notice bibliographique
Résumé
Abstract Freshly synthesized r -process elements in kilonovae ejecta imprint absorption features on optical spectra, as observed in the GW170817 binary neutron star merger. These spectral features encode insights into the physical conditions of the r -process and the origins of the ejected material, but associating features with particular elements and inferring the resultant abundance pattern is computationally challenging. We introduce Spectroscopic r -Process Abundance Retrieval for Kilonovae ( SPARK ), a modular framework to perform Bayesian inference on kilonova spectra with the goals of inferring elemental abundance patterns and identifying absorption features at early times. SPARK inputs an atomic line list and abundance patterns from reaction network calculations into the TARDIS radiative transfer code. It then performs fast Bayesian inference on observed kilonova spectra by training a Gaussian process surrogate for the approximate posteriors of kilonova ejecta parameters, via active learning. We use the spectrum of GW170817 at 1.4 days to perform the first inference on a kilonova spectrum, and recover a complete abundance pattern. Our inference shows that this ejecta was generated by an r -process with either (1) high electron fraction Y e ∼ 0.35 and high entropy s / k B ∼ 25, or, (2) a more moderate Y e ∼ 0.30 and s / k B ∼ 14. These parameters are consistent with a shocked, polar dynamical component, and a viscously driven outflow from a remnant accretion disk, respectively. We also recover previous identifications of strontium absorption at ∼8000 Å, and tentatively identify yttrium and/or zirconium at ≲4500 Å. Our approach will enable computationally tractable inference on the spectra of future kilonovae discovered through multimessenger observations.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».