Mapping the Skies of Ultracool Worlds: Detecting Storms and Spots with Extremely Large Telescopes
Notice bibliographique
Résumé
Abstract Extremely large telescopes (ELTs) present an unparalleled opportunity to study the magnetism, atmospheric dynamics, and chemistry of very-low-mass (VLM) stars, brown dwarfs, and exoplanets. Instruments such as the Giant Magellan Telescope–Consortium Large Earth Finder (GMT/GCLEF), the Thirty Meter Telescope’s Multi-Objective Diffraction-limited High-Resolution Infrared Spectrograph (TMT/MODHIS), and the European Southern Observatory’s Mid-Infrared ELT Imager and Spectrograph (ELT/METIS) provide the spectral resolution and signal-to-noise ratio necessary to Doppler image ultracool targets’ surfaces based on temporal spectral variations due to surface inhomogeneities. Using our publicly available code, Imber, developed and validated in Plummer & Wang, we evaluate these instruments’ abilities to discern magnetic starspots and cloud systems on a VLM star (TRAPPIST-1), two L/T transition ultracool dwarfs (VHS J1256−1257 b and SIMP J0136+0933), and three exoplanets (Beta Pic b and HR 8799 d and e). We find that TMT/MODHIS and ELT/METIS are suitable for Doppler imaging the ultracool dwarfs and Beta Pic b over a single rotation. Uncertainties for longitude and radius are typically ≲10°, and latitude uncertainties range from ∼10° to 30°. TRAPPIST-1's edge-on inclination and low υ sin i provide a challenge for all three instruments, while GMT/GCLEF and the HR 8799 planets may require observations over multiple rotations. We compare the spectroscopic technique, photometry-only inference, and the combination of the two. We find combining spectroscopic and photometric observations can lead to improved Bayesian inference of surface inhomogeneities and offers insight into whether ultracool atmospheres are dominated by spotted or banded features.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 ».