Supplemental Materials for "Schwarzschild and Ledoux are equivalent on evolutionary timescales"
Notice bibliographique
Résumé
This Zenodo repository contains a .tar file which contains datasets which can be used along with the code in the associated Github repository (https://github.com/evanhanders/schwarzschild_or_ledoux, an copy of which is also included here as a .tar file) to create all of the static figures in the paper. The figures can be recreated with this data by using the Python scripts in the schwarzschild_or_ledoux/publication_figures/ folder of the Git repository. The data are as follows: Figure 1: early_slices.h5, late_slices.h5 - 2D slices through various planes in the simulation which show the dynamics at a few early and late times in the simulation. early_profiles.h5, late_profiles.h5 - 1D horizontally-average profiles at the times associated with the dynamics in the 'slices' files. early_scalars.h5, late_scalars.h5 - files that contain some various scalar info (e.g., where the boundary is determined by the Schwarzschild and Ledoux criteria) for the early and late dynamics. Figure 2 - 1D horizontally-averaged profiles for the full simulation in the paper are output into the "merged_profiles.h5" file. The output cadence is once every freefall time, so there are roughly 20,000 time points for each profile. figure 2 uses the initial state and the state at t = 17,000. Figure 3 - scalar_data.h5 contains scalar values inferred from merged_profiles.h5 at each point in time. This file can be re-created by the user by using the 'profile_to_scalar.py' file inside of the publication_figures/ folder in the repository.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,714 | 0,272 |
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 ».