MétaCan
Menu
← Retour à la cohorte
Enregistrement W4393550150 · doi:10.5281/zenodo.8339416

MCMC chains representing stellar halo fits for Lane et al. (2023) paper published in MNRAS

2023· dataset· en· W4393550150 sur OpenAlexaff
James Lane, Jo Bovy, J. Ted Mackereth

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2023
Typedataset
Langueen
DomainePhysics and Astronomy
ThématiqueStellar, planetary, and galactic studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHaloMarkov chain Monte CarloAstrophysicsPhysicsStatistical physicsMathematicsGalaxyStatisticsBayesian probability

Résumé

récupéré en direct d'OpenAlex

Results for the paper entitled "The stellar mass of the Gaia-Sausage/Enceladus accretion remnant" published in MNRAS by Lane, Bovy, & Mackereth. The results are in the form of MCMC posterior chains, which are used to generate the results recorded in Table 1 of the manuscript. The process used to generate these data is outlined in section 2 (data & sample preparation), section 3 (Density modelling framework), and section 4 (Presentation of results) of the manuscript. The data are contained within a single gzipped .tar file, organized in two directories: gse/ containing the results for fits to the GS/E kinematic samples, and all/ containing the results for the fits to the whole halo sample. In the gse/ directory, there are three directories: eLz/, AD/, and JRLz/, containing the results for the fits to each of the respective kinematically defined subsamples. Within these directories, as well as within all/, are a final set of directories for each of the eight density profiles considered in the work. Within each of these directories are a single file named "samples.npy" which is a binary file (see this link for format information) containing a numpy array of shape (# of parameters, # of posterior samples). The number of posterior samples is the number of walkers (100) times the number of samples per walker (10,000), minus the number of burn-in steps per walker (1,000) = 900,000. The number of parameters can be inferred from the density profiles definitions in section 3 of the manuscript, and the ordering of the parameters is the same as in Table 1. The units of the parameters are as in Table 1, except for the parameters theta and phi which are scaled such that they are defined on the interval (0,1), representing the intervals (0,2pi) and (0,pi) respectively.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,138
Score d'incertitude au seuil0,461

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,1380,054

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,264
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetStellar, planetary, and galactic studies→Travaux en français237 207→