Detecting Exoplanets Closer to Stars with Moderate Spectral Resolution Integral-field Spectroscopy
Notice bibliographique
Résumé
Abstract While radial velocity surveys have demonstrated that the population of gas giants peaks around 3 au, the most recent high-contrast imaging surveys have only been sensitive to planets beyond ∼10 au. Sensitivity at small angular separations from stars is currently limited by the variability of the point-spread function. We demonstrate how moderate-resolution integral-field spectrographs can detect planets at smaller separations (≲ 0.3“) by detecting the distinct spectral signature of planets compared to the host star. Using OSIRIS (R ≈ 4000) at the W.M. Keck Observatory, we present the results of a planet search via this methodology around 20 young targets in the Ophiuchus and Taurus star-forming regions. We show that OSIRIS can outperform high-contrast coronagraphic instruments equipped with extreme adaptive optics and non-redundant masking in the 0.05“–0.3“ regime. As a proof of concept, we present the 34σ detection of a high-contrast M dwarf companion at ≈0.1“ with flux ratio of ≈ 0.92% around the field F2 star HD 148352. We developed an open-source Python package, breads, for the analysis of moderate-resolution integral-field spectroscopy data in which the planet and the host star signal are jointly modeled. The diffracted starlight continuum is forward-modeled using a spline model, which removes the need for prior high-pass filtering or continuum normalization. The code allows for analytic marginalization of linear hyperparameters, which simplifies the posterior sampling of other parameters (e.g., radial velocity, effective temperature). This technique could prove very powerful when applied to integral-field spectrographs such as NIRSpec on the JWST and other upcoming first-light instruments on the future Extremely Large Telescopes.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».