UOCS – XI. Study of blue straggler stars in open cluster NGC 7142 using UVIT/<i>AstroSat</i>
Notice bibliographique
Résumé
ABSTRACT We present a study of blue straggler stars (BSSs) of open cluster NGC 7142 using AstroSat/UVIT data and other archival data. Using a machine-learning-based algorithm, ML-MOC, on Gaia DR3 data, we find 546 sources as cluster members. Based on the location on the Gaia colour–magnitude diagram, we identify 10 BSS candidates, also detected in UVIT/F148W filter. We study the variable nature of BSSs by constructing their light curves using the Transiting Exoplanet Survey Satellite data. Two BSSs reported as eclipsing binaries in Gaia DR3 are confirmed to be eclipsing binaries based on our analysis and also show the presence of hot companions as per the multiwavelength spectral energy distributions (SEDs). The physical parameters of the hot companions of these two BSSs derived by fitting binary models to their light curves and those derived from the SEDs are found to be in good agreement. Additionally, five more BSSs in the cluster shows UV excess, four of which are likely to have a hot companion based on SEDs. The hot companions with the estimated temperatures ∼14 000–28 000 K, radii ∼0.01–0.05 R⊙, and luminosities ∼0.03–0.1 L⊙ are inferred to be extremely low-mass (<0.2 M⊙), low-mass (0.2–0.4 M⊙), normal-mass (0.4–0.6 M⊙), and high-mass (>0.6 M⊙) white dwarfs (WDs). For the first time in an open cluster, we find the entire range of masses in WDs found as hot companions of BSSs. These masses imply that the Case-A/Case-B mass transfer and merger are responsible for the formation of at least 60 per cent of the BSSs of this cluster.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».